Driver drowsiness and fatigue detection using physiological measurements
Fizyolojik ölçümler kullanılarak sürücü uyuşukluk ve yorgunluk tespiti
- Tez No: 983729
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA İSTANBULLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürücü yorgunluğu ve uykululuk hali, trafik kazalarının başlıca nedenlerinden biri olarak kabul edilmekte olup, mevcut algılama sistemlerinin çoğu yalnızca fizyolojik sinyaller ya da kamera tabanlı davranışsal göstergelere odaklandığından gerçek sürüş koşullarında yeterli güvenilirliği sağlayamamaktadır. Bu çalışma, sürücünün durumunu gerçek zamanlı olarak değerlendirebilmek amacıyla fizyolojik ölçümler ile görüntü işleme tabanlı davranışsal analizleri bütünleştiren çok modlu bir izleme sistemi sunmaktadır. Fizyolojik alt sistem, ECG, galvanik deri tepkisi (GSR) ve periferik oksijen saturasyonu (SpO₂) verilerini toplayarak kalp atım hızı, HRV-türevli metrikler ve otonom sinir sistemi dengesini yansıtan LF/HF oranını hesaplamaktadır. Buna paralel olarak Raspberry Pi platformu üzerinde çalışan görüntü işleme modülü, PiCamera aracılığıyla göz kırpma dinamiklerini, göz kapanma örüntülerini (PERCLOS) ve esneme hareketlerini belirlemek için yüz işaretleyici noktalarını analiz etmektedir. Tüm sensör akışları zaman açısından senkronize edilmekte ve 1 Hz frekansında kaydedilmekte; daha sonra kısa süreli davranışsal değişimleri uzun süreli fizyolojik eğilimlerle birleştiren bulanık mantık tabanlı bir çıkarım modeli ile değerlendirilerek sürekli bir yorgunluk skoru üretilmektedir. Elde edilen bulgular, önerilen hibrit mimarinin erken dönem uyanıklık azalmasını yüksek kararlılıkla saptayabildiğini ve uzun yol sürüş testlerinde öznel uykululuk düzeyleri ile güçlü bir uyum sergilediğini göstermektedir. Bu sonuçlar, sistemin gerçek zamanlı sürücü yorgunluk tespiti için düşük maliyetli, ölçeklenebilir ve güvenilir bir çözüm sunma potansiyeline sahip olduğunu ortaya koymaktadır.
Özet (Çeviri)
Driver fatigue and drowsiness are recognized as major contributors to road accidents, yet most existing detection systems rely on either physiological signals or camera-based behavioral cues alone, limiting their reliability in real-world driving conditions. This study presents a fully integrated, multimodal driver-state monitoring system that combines physiological measurements with vision-based behavioral analysis to provide continuous, real-time fatigue assessment. Physiological data—including electrocardiography (ECG), galvanic skin response (GSR), and peripheral oxygen saturation (SpO₂)—are acquired through an Arduino-based subsystem, enabling the extraction of heart rate, HRV-derived indices, and the LF/HF autonomic balance. In parallel, a Raspberry Pi platform processes facial landmarks using a PiCamera to estimate blink dynamics, eye closure patterns (PERCLOS), and yawn-related mouth movements. All streams are time-synchronized and recorded at 1 Hz, then evaluated through a fuzzy-logic inference model that fuses short-term behavioral fluctuations with longer-term physiological trends. The results demonstrate that the proposed hybrid architecture can detect early signs of reduced alertness with high stability, exhibiting strong agreement with subjective sleepiness levels in extended on-road tests. These findings highlight the system's potential as a low-cost and scalable solution for enhancing road safety through real-time driver fatigue monitoring.
Benzer Tezler
- Araç CAN verilerinin ve EKG'nin işlenmesiyle sürücü yorgunluk tespit sistemi geliştirme
Development of a driver drowsiness detection system by processing vehicle CAN data and ECG signals
KAAN KAHRAMAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİzmir Bakırçay ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ESRA EKİNCİ
- Kanal tabanlı özellik temsili ve derin öğrenmeye dayalı uykululuk sınıflandırması
Drowsiness classification based on channel-based feature representation and deep learning
MUSTAFA RIFAT ÇELİK
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Fatigue detection of drivers using image processing and artificialintelligence techniques
Kullanarak sürücülerin yorgunluk tespiti görüntü işleme ve yapayzeka teknikleri
OMER NASIH ISMAEL ALHURMUZI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TİMUR İNAN
- 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
ASİYE ÖZBEK YAZICIOĞLU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKastamonu ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH GÖRGÜNOĞLU
- Sürücü yorgunluk düzeyının tespiti
Detection of driver fatigue
MOHAMMAD FARMAN
Yüksek Lisans
Türkçe
2024
Otomotiv MühendisliğiBursa Uludağ ÜniversitesiOtomotiv Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ ERKUŞ