Gömülü yazılım tabanlı görüntü işleme ve derin öğrenme algoritmasıile sürücülerin uykululuk durumunun belirlenmesi
Detecting driversˈ sleepiness with embedded software-based image processing and deep learning algorithm
- Tez No: 944778
- Danışmanlar: DOÇ. DR. MUSTAFA ENGİN
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 119
Özet
Otobüs ve ağır vasıta sürücülerinin uzun süreli yolculukları ve yetersiz uyku süreleri güvenli sürüşü olumsuz etkileyerek ciddi kazalara yol açabilmektedir. Trafikte bu tür kazaları önlemek amacıyla sürücülerin uykululuk durumlarını algılayan etkili bir sistem geliştirilmesi gerekmektedir. Bu çalışma, EU 2019/2144 ve EU 2021/1341 regülasyonlarına (European Parliament and Council, 2019, 2021) hazırlık niteliğinde olup trafik güvenliğini artırmayı hedeflemektedir. Sistem YOLOv5 modeli kullanılarak iki aşamada geliştirilmiştir. İlk aşamada güçlü bir bilgisayar üzerinde YOLOv5 ve önceden eğitilmiş COCO veri seti kullanılarak modelin doğrulama ve test süreçleri gerçekleştirilmiştir. Tek bir kişinin kameradan alınan görüntüleri LabelImg aracıyla etiketlenerek özel bir veri seti oluşturulmuş ve bu veri setiyle model yeniden eğitilmiştir. Eğitilen model bilgisayar üzerinde gerçek zamanlı kamera akışında test edilmiştir. Model, göz açık ve kapalı sınıflarında yüksek doğruluk oranlarına ulaşmıştır. İkinci aşamada, model NVIDIA Jetson Orin Nano kartına aktarılmış ve Raspberry Pi Camera V2 kullanılarak gerçek zamanlı çalıştırılmıştır. Jetson kartında GStreamer Pipeline kullanılarak FPS (Saniyelik Görüntü Sayısı), çözünürlük ve gecikme sorunları optimize edilmiştir. Model 500'den fazla görüntü ve farklı kullanıcılarla oluşturulan veri seti ile eğitilmiştir ve uykulu ve uyanık durumları tespit etmektedir. Geliştirilen sistem yarım saniyelik bir gecikme ile gerçek zamanlı tespit yapabilmekte ve sürücülerin uykululuk durumlarını algılayarak trafik güvenliğini artırmaya yönelik etkili bir çözüm sunmaktadır. Ayrıca, farklı yaş grupları ve sürüş koşullarına uyum sağlamak için daha geniş bir veri setiyle geliştirilmesi önerilmektedir. Bu çalışma sürücülerin uykululuğunu tespit etmede temel bir referans olma potansiyeli taşımaktadır.
Özet (Çeviri)
Long journeys and insufficient sleep time of bus and heavy vehicle drivers can adversely affect safe driving and cause serious accidents. In order to prevent such accidents in traffic, it is necessary to develop an effective system that detects the sleepiness of drivers. This study is in preparation for the EU 2019/2144 and EU 2021/1341 regulations (European Parliament and Council, 2019, 2021) and aims to improve traffic safety. The system was developed in two stages using the YOLOv5 model. In the first stage, the validation and testing processes of the model were carried out on a powerful computer using YOLOv5 and the pre-trained COCO dataset. A special dataset was created by labelling the images of a single person taken from the camera with the LabelImg tool and the model was retrained with this dataset. The trained model was tested on the computer in real-time camera flow. The model achieved high accuracy rates in the open and closed eye classes. In the second stage, the model was transferred to the NVIDIA Jetson Orin Nano board and run in real time using Raspberry Pi Camera V2. FPS, resolution and latency issues were optimised using the GStreamer Pipeline on the Jetson board. The model is trained with a dataset of more than 500 images and different users and detects sleepy and awake states. The developed system is capable of real-time detection with a delay of half a second and provides an effective solution to improve traffic safety by detecting the sleepiness of drivers. It is also proposed to be developed with a larger data set to adapt to different age groups and driving conditions. This study has the potential to be a basic reference for detecting drivers' sleepiness.
Benzer Tezler
- Gömülü sistem platformu üzerinde görüntü işleme tekniklerinin uygulanması
Image processing techniques on embedded system
SERTAÇ YAMAN
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ EROL
- Ağız bölgesi ile ilgili hastalık ve anatomik yapıların yapay zeka tabanlı tespit edilmesi
Artificial intelligence based detection of diseases and anatomical structures related to the oral region
MERYEM DURMUŞ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN ERGEN
- Gömülü sistem tabanlı bina içi otonom robot
Embedded system based building autonomous robot
RIDVAN DOĞAN
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara ÜniversitesiMekatronik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UĞUR KESEN
- Ai-based visual odometry implementation on an embedded system
Yapay zeka tabanlı görsel odometrinin gömülü bir sistemde gerçeklemesi
OĞUZHAN BÜYÜKSOLAK
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Model-based aı accelerator design on FPGA with in-depth evaluation of design parameters
FPGA'de model tabanli yapay zeka hizlandirici tasarimi ve tasarim parametrelerinin derinliğine değerlendirilmesi
GÖZDE ÖZDİL
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SIDDIKA BERNA ÖRS YALÇIN