Geri Dön

Yapay zekâ ile akıllı şehirlerde çevresel görüntü ve video analizi

Yapay zekâ ile akilli şehirlerde çevresel görüntü ve video analizienvironmental image and video analysis in smart cities with artificial intelligence

PDF İndir

  1. Tez No: 957249
  2. Yazar: KUDRET DİNÇ
  3. Danışmanlar: DOÇ. DR. ORHAN YAMAN
  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: 2025
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Adli Bilişim Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

Bu tez çalışması, akıllı şehirlerde yaşam kalitesini yükseltmek ve güvenlik sistemlerini güçlendirmek amacıyla, yapay zeka temelli gelişmiş görüntü ve video analiz yöntemleri geliştirmeyi hedeflemiştir. Çalışma, üç temel problem üzerinde yoğunlaşarak, yangın algılama, anomali tespiti ve kalabalık analizine yönelik özgün çözümler sunmaktadır. Yangın algılama alanında, görüntülerin renk bilgilerini insan görsel algısına daha uygun şekilde temsil eden HSV (Hue, Saturation, Value) renk uzayına dayalı yenilikçi bir histogram tabanlı yöntem geliştirilmiştir. FLAME veri seti üzerinde gerçekleştirilen kapsamlı deneyler, önerilen yöntemin yangın ve yangın dışı sahneler arasındaki farkları başarıyla tespit ettiğini ve yüksek doğruluk oranlarıyla sınıflandırma performansı sergilediğini göstermiştir. Bu süreçte SVM, Karar Ağacı ve K-Nearest Neighbors gibi farklı makine öğrenmesi algoritmaları kullanılarak elde edilen sonuçlar karşılaştırılmıştır. Anomali tespiti çalışmasında, video akışlarından elde edilen görüntülerdeki hareket ve renk özellikleri, Histogram of Oriented Gradients (HOG) ve renk histogramları gibi etkili öznitelik çıkarım teknikleriyle analiz edilmiştir. Çeşitli makine öğrenmesi modelleriyle gerçekleştirilen sınıflandırmalar sayesinde, güvenlik kameralarından alınan görüntülerde meydana gelen anormal durumların yüksek hassasiyetle tespit edilmesi sağlanmıştır. Kalabalık analizi kısmında ise, derin öğrenme temelli CSRNet ve MCNN modelleri kullanılarak, ShanghaiTech ve Mall veri setleri üzerinde yoğunluk haritaları oluşturulmuş ve kişi sayımı yapılmıştır. Elde edilen deneysel sonuçlar, CSRNet modelinin yüksek yoğunluklu ve karmaşık sahnelerde daha doğru ve detaylı tahminler sunduğunu ortaya koyarken, MCNN modeli ise hesaplama verimliliği ve hızlı tahmin kabiliyetiyle özellikle sınırlı kaynaklara sahip uygulamalarda tercih edilebilir bir alternatif olduğunu göstermiştir. Gerçekleştirilen deneyler ve analizler, önerilen yöntemlerin farklı gerçek dünya senaryolarında güvenilirlik, yüksek doğruluk ve uygulama pratikliği sağladığını ortaya koymuştur. Böylece, bu tez çalışması, akıllı şehirlerde güvenlik, acil durum yönetimi ve toplumsal düzenin izlenmesine yönelik yapay zekâ destekli görüntü işleme tekniklerinin geliştirilmesi ve uygulanmasına önemli katkılar sunmaktadır. Sonuç olarak, elde edilen bulgular ve geliştirilen modeller, akıllı şehir teknolojilerinin gelişimine yön veren kritik adımlardan biri olarak değerlendirilebilir ve gelecekteki araştırmalar için sağlam bir temel teşkil etmektedir.

Özet (Çeviri)

This thesis aims to develop advanced artificial intelligence (AI)-based image and video analysis methods to enhance the quality of life and strengthen smart city security systems. The study focuses on three core problems: fire detection, anomaly detection, and crowd analysis, offering original solutions for each.In the fire detection domain, an innovative histogram-based method grounded in the hue, saturation, value (HSV) color space — which better represents human visual perception of color — has been developed. Extensive experiments on the FLAME dataset demonstrate that the proposed method effectively distinguishes between fire and non-fire scenes, achieving high classification accuracy. Various ML algorithms, including SVM, Decision Tree, and K-Nearest Neighbors, were employed, and their results were compared. We analyzed the motion and color features extracted from the video streams using effective feature extraction techniques, such as the histogram of oriented gradients and color histograms for anomaly detection. Classification using multiple ML models enabled the precise identification of high-sensitivity abnormal events captured by security cameras. Two DL architectures, CSRNet and MCNN, were used to generate density maps and perform crowd counting on the ShanghaiTech and Mall datasets. The experimental results reveal that the CSRNet model provides more accurate and detailed predictions, especially in highly congested and complex scenes, whereas the MCNN model offers computational efficiency and faster inference, making it a viable option for resource-constrained applications. Experiments and analyses demonstrate the reliability, high accuracy, and practical applicability of the proposed methods across various real-world scenarios. This thesis makes significant contributions to the development and implementation of artificial intelligence (AI)-driven image processing techniques to improve security, emergency management, and public monitoring within smart city frameworks. The findings and developed models presented here represent a crucial advancement in smart city technologies and provide a solid foundation for future research in this field.

Benzer Tezler

  1. Tez No

    922004

    Enhancing smart environments through an ai-assisted IORT agent

    Akıllı ortamların yapay zekâ destekli bir İORT aracısıyla güçlendirilmesi

    YAKUP KAYATAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SANEM KABADAYI

  2. Tez No

    947610

    3D nokta bulutu verileri kullanılarak otonom sürüş için nesne algılama yöntemi ile karayolu envanterlerinin tespit edilmesi

    Determination of highway inventories with object detection method for autonomous driving using 3D point cloud data

    HİLAL GEZGİN

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. REHA METİN ALKAN

  3. Tez No

    784453

    Yapay zekaya dayalı olarak insanların katı evsel atıklarının tahmini ve orman endüstrisi'nin kullanımı için optimizasyon

    Prediction of human solid household waste based on artificial intelligence and optimization for forest industry use

    AYLY ACHYLOV

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiBartın Üniversitesi

    Orman Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TİMUÇİN BARDAK

    DOÇ. DR. SELAHATTİN BARDAK

  4. Tez No

    931691

    Improved trajectory tracking via multi obstacle avoidance utilizing nonlinear model predictive controller

    Doğrusal olmayan model öngörülü kontrol kullanılarak çoklu engellerden kaçınma ile geliştirilmiş yörünge takibi

    ÖNDER HOROZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALİ FUAT ERGENÇ

  5. Tez No

    968555

    Yapay zeka ile kentsel sistemler mühendisliğinde sürdürülebilir yapıların oluşturulması ve akıllı şehirlerin planlanması

    Creating sustainable structures and planning smart cities in urban systems engineering with artificial intelligence

    EMRE TONKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    İnşaat Mühendisliğiİstanbul Arel Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHDİ ÖZTÜRK

Geri Dön