Görüntü işleme teknikleri kullanılarak gerçek zamanlı park yeri tespit sistemi
Real time parking space detection system using image processing techniques
- Tez No: 961549
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞERİFE ESRA DİNÇER
- 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: İstanbul Gedik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknoloji, günlük yaşamımızda olumlu bir etki yaratmış olup, çevremizi kontrol etmemizi ve bilgiye daha hızlı erişmemizi sağlamıştır. Park yeri tespit sistemleri, otoparkların doluluk durumunu izlemek için kullanılan ve otomatik olarak çalışan kontrol sistemlerindendir. Bu sistemler, otoparkları optimize etmeye, karar verme süreçlerine bilgi sağlamaya ve sürücüleri boş park yerlerine yönlendirmeye yardımcı olur. Bu çalışmada, otoparklara kuş bakışı yerleştirilmiş kameralardan gelen gerçek zamanlı video akışlarını analiz etmek için görüntü işleme tekniklerini içeren bir sistem ortaya konmaktadır. Görüntü işleme adımları, gürültü azaltma için Gauss bulanıklığı, medyan filtreleme ve ilgili özellikleri çıkarıp, giriş görüntülerinin kalitesini artırmak için eşikleme içermektedir. Daha sonra, OpenCV teknolojisi kullanılarak tespit edilen konturların iyileştirilmesi için genişletme gibi morfolojik teknikler uygulanmaktadır. Geliştirilen sistem, Google'ın TensorFlow teknolojisini ve otopark görüntüleri üzerinde eğitilmiş bir CNN makine öğrenimi sınıflandırıcısını kullanan bir araç tespit sistemi ile karşılaştırılmıştır. Sistemler, otoparklardan alınmış 400 ve 679 görüntü karesi içeren iki video akışı içerisinden seçilen bir park yeri üzerinde karşılaştırılmıştır. Geliştirilen sistemin başarılı araç tespit oranı, Google'ın TensorFlow sınıflandırma sistemine göre, 400 kare görüntü içeren birinci video akışı için %25,50, 679 kare görüntü içeren ikinci video akışı içinse %10,61 oranında daha yüksek bulunmuştur. Ek olarak, geliştirilen sistem, Google'ın TensorFlow sınıflandırma sistemine kıyasla daha hızlı çalışmakta ve daha az disk alanı kullanımı gerektirmektedir. Ayrıca geliştirilen sistem, CNN algoritması tabanlı YOLOv8 teknolojisini kullanan başka bir sınıflandırma sistemiyle de karşılaştırılmıştır. Geliştirilen sistemin başarılı araç tespit oranı, YOLOv8 sınıflandırma sistemine göre, 400 kare görüntü içeren birinci video akışı için %2,75, 679 kare görüntü içeren ikinci video akışı içinse %2,66 oranında daha yüksek bulunmuştur. Ek olarak, geliştirilen sistem, YOLOv8 sınıflandırma sistemine kıyasla daha hızlı çalışmakta ve daha az disk alanı kullanımı gerektirmektedir. Genel olarak, bu çalışma, gerçek zamanlı park yeri tespiti için ölçeklenebilir ve güvenilir bir çözüm sunarak akıllı park sistemlerinin gelişimine katkıda bulunmaktadır.
Özet (Çeviri)
Technology has had a positive impact on our daily lives, enabling us to control our environment and access information faster. Parking detection systems are one of the automated control systems used to monitor the occupancy of parking lots. They help to optimize parking areas, provide information for decision-making and guide drivers to empty parking spots. This study presents a system includes image processing to analyze real-time video feeds coming from that cameras located on parking lots. Image processing steps include noise reduction with Gaussian blurring, median filtering and thresholding to extract relevant features and enhance the quality of input images. Morphological operations such as dilation are then applied to refine the detected contours using OpenCV technology. The developed system is compared with a car detection system that uses Google's TensorFlow technology and a CNN machine learning classifier, which involves a trained model on parking lot images. The systems have been compared with two real-world parking lot video streams containing 400 and 679 frames on a selected parking space in the parking lot. The successful car detection rate of the developed system is found 25,50% higher than the Google's TensorFlow classification system for the first video stream containing 400 frames. Then, the successful car detection rate of the developed system is found 10,61% higher than the Google's TensorFlow classification system for the second video stream containing 679 frames. In addition, the developed system runs faster and requires less disc space usage than the Google's TensorFlow classification system. Moreover, the successful care detection rate of the developed system is compared with another classification system using YOLOv8 technology based on CNN machine learning classifier. The successful car detection rate of the developed system is found 2,75% higher than YOLOv8 classification system for the first video stream containing 400 frames. Then, the successful car detection rate of the developed system is found 2,66% higher than YOLOv8 classification system for the second video stream containing 679 frames. In addition, the developed system runs faster and requires less disc space usage than the YOLOv8 classification system. Overall, this study contributes to the advancement of intelligent parking systems by providing a scalable and reliable solution for real-time parking space detection.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması
Başlık çevirisi yok
G. FERZAN KÜÇÜKA
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. HALİS PÜSKÜLCÜ
- Landsat uyduları aracılığı ile elde edilen görüntülerin işlenmesinde kontrast artırma tekniklerinin tanımı ve bu tekniklere ilişkin bilgisayar programlarının hazırlanması üzerine bir çalışma
Başlık çevirisi yok
BİLHAN TABAK
Yüksek Lisans
Türkçe
1986
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Renk görüntü teorisi ve televizyona uygulaması
Theories of colour vision and their application to television
MUSTAFA LAMİ TAPLAMACIOĞLU
Doktora
Türkçe
1986
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Eğitimi Ana Bilim Dalı
DOÇ. DR. ATİLLA ÖZMEN
- Kastamonu çarşaf bağlamaları motif özellikleri
Başlık çevirisi yok
N.TOMRİS KATLI
Yüksek Lisans
Türkçe
1986
El SanatlarıGazi ÜniversitesiEl Sanatları Eğitimi Ana Bilim Dalı
PROF. DR. RÜÇHAN ARIK