Mediapipe ve makine öğrenmesi kullanarak uyku durum tespitinin gerçek zamanlı olarak mobil sistem ile gerçekleştirilmesi
Real-time drowsiness detection using mediapipe and machine learning with mobile systems
- Tez No: 944943
- Danışmanlar: DOÇ. DR. SALİH GÖRGÜNOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Kastamonu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Bu tez çalışmasında, sürücülerin uykulu ya da uyanık olduklarının mobil telefon kamerası aracılığıyla gerçek zamanlı olarak tespit edilmesini sağlayan bir sistem geliştirilmiştir. Uykulu halde araç kullanımı, ciddi trafik kazalarına yol açabilen başlıca risk faktörlerinden biridir. Bu nedenle sürücünün uyanıklık durumunun anlık olarak izlenmesi ve uykulu hâlin erken tespit edilmesi, trafik güvenliğini artırma açısından büyük önem taşımaktadır. Geliştirilen sistemde, sürücülerin yüz ifadeleri ve göz hareketleri mobil telefon kamerası üzerinden analiz edilmiştir. Görüntü işleme aşamasında Google tarafından geliştirilen Mediapipe kütüphanesi kullanılmış; yüz bölgesinden elde edilen blendshape verileri, sürücünün mimik ve ifade değişimlerini sayısal olarak temsil etmiştir. Bu veriler, uykulu sürüş sırasında meydana gelen davranışsal değişimleri (örneğin, gözlerin kapanması, ağız hareketlerinin azalması, yüz kaslarının gevşemesi gibi) yakalamada önemli rol oynamıştır. Elde edilen blendshape vektörleri, makine öğrenmesi algoritmaları ile işlenmiş ve bireylerin“uykulu”veya“uyanık”durumlarına ait sınıflandırmaları gerçekleştirilmiştir. Modelin eğitimi ve testinde dengeli veri setleri kullanılmış, sistemin doğruluk, hassasiyet ve özgüllük gibi performans ölçütleri değerlendirilmiştir. Bu tezde geliştirilen sistem; düşük donanım gereksinimi, taşınabilirlik ve gerçek zamanlı çalışma özellikleriyle dikkat çeken, mobil cihazlar üzerinden kullanılabilen bir uygulama sunmaktadır. Blendshape tabanlı yüz analizi ile desteklenen bu yöntem, sürücülerin uykulu hâlini yüksek doğruluk oranlarıyla tespit ederek trafik kazalarının önlenmesine katkı sağlayacak önemli bir adım niteliğindedir.
Özet (Çeviri)
This thesis presents the development of a real-time driver drowsiness detection system using mobile phone cameras, integrating Mediapipe and machine learning techniques. Drowsy driving is one of the major causes of traffic accidents and poses a significant risk to road safety. Therefore, continuous monitoring of a driver's alertness level and early detection of drowsiness are of critical importance for accident prevention. In the proposed system, facial expressions and eye movements of drivers are analyzed through the mobile phone camera. The Google Mediapipe library is utilized for facial landmark detection, and blendshape features are extracted to numerically represent subtle facial expressions and movements. These blendshape vectors capture behavioral changes associated with drowsiness, such as eyelid closure, decreased mouth activity, and relaxed facial muscles. The extracted features are processed using machine learning algorithms to classify the driver's state as either“drowsy”or“alert.”Balanced datasets were used during model training and testing, and the system's performance was evaluated based on accuracy, sensitivity, and specificity metrics. This study introduces a mobile-based, low-cost, real-time drowsiness detection system with minimal hardware requirements. By leveraging blendshape-based facial analysis, the proposed method achieves high accuracy in identifying drowsiness and offers a practical and accessible solution that can contribute significantly to reducing traffic accidents caused by driver fatigue.
Benzer Tezler
- Spor hareketlerinin derin öğrenme yöntemleri ile analizi
Analysis of sports movements with deep learning methods
AHMET ÇELİKEL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKER ALİ ÖZKAN
- Geleneksel ve yapay zeka destekli yoganın yaşam kalitesine ve mental iyi oluşa etkisinin karşılaştırılması: Randomize kontrollü çalışma
Comparison of the effects of traditional and artificial intelligence-assisted yoga on quality of life and mental well-being: A randomized controlled study
GÖZDE ÖZSEZER
Doktora
Türkçe
2024
Halk SağlığıEge ÜniversitesiHalk Sağlığı Hemşireliği Ana Bilim Dalı
DOÇ. DR. GÜLENGÜL MERMER
- Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease
Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı
ELİF KESKİN BİLGİÇ
Doktora
İngilizce
2024
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. İNCİ ZAİM GÖKBAY
DOÇ. DR. YUSUF KAYAR
- Bilgisayarlı görü ile derin öğrenme teknikleri kullanılarak spor antremanlarının doğruluğunun tespiti
Determining the accuracy of sports training using computer vision and deep learning techniques
NURETTİN ACI
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiBitlis Eren ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUHAMMED FATİH KULUÖZTÜRK
- Design of a wearable sensor system for artificial intelligence based motion analysis in telerehabilitation
Telerehabilitasyon amaçlı yapay zekâ tabanlı hareket analizi içingiyilebilir sensör sistemi tasarımı
AHMED ABDELWAHAB MAHGOUB HAKIM
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÖLEN KUMBAY YILDIZ
PROF. DR. ATİLA YILMAZ