YOLO algoritmaları ile trafik ışıklarının gerçek zamanlı kontrolü
Real-time control of traffic lights with YOLO algorithms
- Tez No: 912134
- Danışmanlar: DOÇ. DR. GÜLTEKİN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Iğdır Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 60
Özet
Günümüzde hareketli nesnelerin tespiti birçok alanda kullanılmaktadır. Gelişen teknoloji ile tespit edilen sorunların çözümü kolaylaşmaktadır. Trafikte kaybedilen zamanı azaltmak amacıyla yayaların az bulunduğu yerlerde yaya tespiti yapıp yeşil ışık yanması sağlayabilir. Yayaların az kullandığı yollardaki trafik ışıkları belirli bir süreyle sistematik olarak yanmaktadır. Yayaların bulunmadığı durumlarda bile trafik ışığı yanarak sürücüler için zaman problemine yol açmaktadır. Son yıllarda derin öğrenme yöntemleri yaya ve araç tespit problemine başarıyla uygulanmıştır. Özellikle evrişimsel sinir ağları (CNN) tabanlı YOLO (You Only Look Once) algoritması nesne tespitinde oldukça popülerdir. Bu çalışmada trafik ışıklarının akıllı bir kontrol sistemine dönüştürülmesi üzerine YOLO algoritması kullanılmıştır. Bunu gerçekleştirmek için trafik ışığının bulunduğu yer belirlenmiştir. Daha sonra belirlenen bölge içinde yaya tespiti yapılmıştır. Eğer belirlenen alan içerisinde yaya tespit edilmişse araçlar için trafik lambası kırmızı yanıp öncelik yayaya verilmektedir. Eğer belirlenen alan içerisinde yaya tespit edilmemişse öncelik araçlara verilecek yaya tespit edilene kadar araçlar için yeşil ışık yanması sağlamaktadır. Yayaların ve araçların (otomobil, kamyon, otobüs) tespit edilmesi, etiketlenmesi için Microsoft COCO veri kümesi kullanılmıştır. YOLO modellerinin son modelleri ( YOLO v6, YOLO v7, YOLO v8) için ayrı ayrı test edilmiş ve performansları analiz edilmiştir. Bu sonuçlar doğrultusunda en doğru analizi yapan versiyon tercih edilmiştir. Bu çalışma, gerçek zamanlı nesne tespiti ile şehir içi ulaşımı optimize etmek ve trafik kazalarını önlemek için akıllı trafik ışığı sistemlerine yenilikçi yaklaşım sunmaktadır. Ayrıca, zaman ve yakıt tasarrufu sağlayarak temiz çevre için de katkı sağlaması amaçlanmaktadır.
Özet (Çeviri)
Nowadays, detection of moving objects is used in many areas. With developing technology, solving the problems identified becomes easier. In order to reduce time lost in traffic, it can detect pedestrians in places where there are few pedestrians and provide a green light. Traffic lights on roads less used by pedestrians are turned on systematically for a certain period of time. Even when there are no pedestrians, the traffic light comes on, causing time problems for drivers. In recent years, deep learning methods have been successfully applied to pedestrian and vehicle detection problems. In particular, the convolutional neural networks (CNN)-based YOLO (You Only Look Once) algorithm is very popular in object detection. In this study, the YOLO algorithm was used to transform traffic lights into an intelligent control system. To achieve this, the location of the traffic light is determined. Then, pedestrian detection was made within the determined area. If a pedestrian is detected within the designated area, the traffic light for vehicles turns red and priority is given to the pedestrian. If no pedestrian is detected within the designated area, priority will be given to the vehicles and a green light will be given to the vehicles until the pedestrian is detected. Microsoft COCO dataset was used to detect and label pedestrians and vehicles (cars, trucks, buses). The latest models of YOLO models (YOLO v6, YOLO v7, YOLO v8) were tested separately and their performances were analyzed. In line with these results, the version with the most accurate analysis was preferred. This study offers an innovative approach to smart traffic light systems to optimize urban transportation and prevent traffic accidents with real-time object detection. In addition, it is aimed to contribute to a clean environment by saving time and fuel.
Benzer Tezler
- Sürücü dikkat dağınıklığının çevresel etkilerinin incelenmesi ve nesne tespit algoritmaları ile tespit edilmesi
Investigation of the environmental effects of driver distraction and detection using object detection algorithms
KADİR DİLER ALEMDAR
Doktora
Türkçe
2023
TrafikErzurum Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED YASİN ÇODUR
- Kamera görüntülerinde makine öğrenmesi algoritmaları ile yaya tespiti
Pedestrian detection in camera images with machine learning algorithms
MOHAMED NEMA LIMAME
Yüksek Lisans
Türkçe
2022
UlaşımBandırma Onyedi Eylül ÜniversitesiAkıllı Ulaşım Sistemleri ve Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLYAS ÖZER
- Image analysis based symbol recognition in colored maps
Renkli haritalarda görüntü analizi tabanlı sembol tanıma
FATMANUR TURHAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Investigating a road traffic detection using YOLOv7
YOLOv7 kullanarak bir yol trafik algılamasını incelemek
OLUWASEYI EBENEZER OGUNBOYE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiÜsküdar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞABAN SELİM ŞEKER
- Çoklu video görüntüleri üzerinde akıllı hedef takibi
Intelligent target tracking on multi video images
SEVİNÇ AY DOĞRU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT KARABATAK