Geri Dön

Makine öğrenmesi algoritmaları ile iç ortamlar için yeni bir durum analizi ve kalabalık yönetimi yaklaşımı

A new approach to situation analysis and crowd management for indoor environments using machine learning algorithms

  1. Tez No: 887211
  2. Yazar: MEHMET EREN YEŞİLYURT
  3. Danışmanlar: DOÇ. DR. MEHMET SERDAR GÜZEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ankara Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 61

Özet

Hastane, otobüs terminali ve mağaza gibi iç ortamlarda uygulanan kalabalık yönetimi ve durum analizi teknikleri bireylerin güvenliğini sağlar ve bireylere verilen hizmetin kalitesini artırır. Dünya nüfusundaki hızlı artış ve şehirleşme iç ortamlar için durum analizi ve kalabalık yönetimi uygulamalarının önemini artırmıştır. Bu uygulamalar makine öğrenmesi tabanlı bilgisayarlı görü teknikleri ile hızlı ve verimli bir şekilde gerçekleştirilebilir. Bu çalışmada kalabalık yoğunluğu analizi ve kuyruk tespiti üzerine odaklanılmıştır. Özel bir hastaneden alınan iki farklı güvenlik kamerasının görüntülerindeki insanlar YOLOv8 nesne tespiti modeli ile tespit edilmiştir. Tespit edilen insanların sınırlayıcı kutularının konumları görüntü sıcaklık haritalarının oluşturulması için kullanılmıştır. İnsanların sahnedeki gerçek konumları kamera kalibrasyonu yapıldıktan sonra bazı varsayımlar altında tahmin edilmiştir. Tahmin edilen gerçek konumlar ile sahnelerin kuş bakışı görünümleri elde edilmiş ve bu görünümler üzerinde sıcaklık haritaları oluşturulmuştur. Kuyruk tespiti için evrişimsel sinir ağlarına dayanan bir model geliştirilmiştir. Etiketli kamera görüntüleri üzerinde eğitilen model, sadece sınırlayıcı kutu koordinatlarını kullanarak kişilerin bir kuyruğun parçası olup olmadığını tahmin etmektedir. Çapraz doğrulama sonucunda model 0,90 doğruluğa ve 0,91 F1 skoruna ulaşmıştır. Çalışma sonucunda giriş olarak sadece görüntü koordinatlarını kullanan bir evrişimsel sinir ağının kuyruk tespiti konusunda başarılı olduğu gösterilmiştir. Kalibre edilmiş kameralar yardımıyla sahnelerin kuş bakışı sıcaklık haritaları elde edilmiş, kuyruk tespiti ve yoğunluk analizi uygulamalarını gözlemlemek için bir web uygulaması oluşturulmuştur.

Özet (Çeviri)

In indoor environments such as hospitals, terminals and stores, application of crowd management and situation analysis techniques ensure the safety of individuals and increase the quality of service provided. The rapid increase in population and urbanization have increased the importance of situation analysis and crowd management applications for indoor environments. These applications can be implemented quickly and efficiently with machine learning-based computer vision techniques. This study focuses on crowd density analysis and queue detection. People in the footages of two different security cameras taken from a private hospital were detected with the YOLOv8 model. The bounding box positions of the detected people were used to create image heatmaps. The real-world positions of people in the scene were estimated under some assumptions after camera calibration. Bird's-eye views of the scenes were obtained with the estimated real locations and heatmaps were created over these views. A convolutional neural network model has been developed for queue detection. Trained on labeled camera images, the model predicts whether a given person belongs to a queue using only bounding box coordinates. The cross-validated model achieved an accuracy of 0.90 and an F1 score of 0.91. As a result of the study, it was shown that a convolutional neural network using only image coordinates as input was successful in queue detection. Bird's eye view temperature maps of the scenes were obtained with the help of calibrated cameras, and a web application was created to observe the queue detection and density analysis applications.

Benzer Tezler

  1. Manipulation of visually recognized objects using deep learning

    Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi

    ERTUĞRUL BAYRAKTAR

    Doktora

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. PINAR BOYRAZ

  2. Applications of deep reinforcement learning for advanced driving assistance systems

    İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları

    MUHARREM UĞUR YAVAŞ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  3. Ağ davranış modeli ile kurum içi saldırıların belirlenmesi

    Detection of insider attacks using network behavour model

    AYŞE GÜL

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. ERTUĞRUL KARAÇUHA

    PROF. DR. EŞREF ADALI

  4. Makine öğrenmesi algoritmaları ile hisse senedi kapanış tahmini

    Stock closing prediction with machine learning algorithms

    SALİM DEMİRAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ AHMET GÜRHANLI

  5. Predictive error compensated wavelet neural networks framework for time series prediction

    Zaman serisi tahmini için hata tazminli dalgacık dönüşümlü sinir ağları çerçeve yazılımı

    SERKAN MACİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BURAK BERK ÜSTÜNDAĞ