ÇOKLU VİDEO GÖRÜNTÜLERİ ÜZERİNDE AKILLI HEDEF TAKİBİ

Abstract

Dummy Çoklu Video Görüntüleri Üzerinde Akıllı Hedef Takibi Sevinç AY Doktora Tezi FIRAT ÜNİVERSİTESİ Fen Bilimleri Enstitüsü Yazılım Mühendisliği Anabilim Dalı Temmuz 2023, Sayfa: xii + 96 Son yıllarda, teknoloji alanında yaşanan gelişmelerle birlikte kamera, veri depolama cihazları ve yazılım sistemleri bileşenlerinden oluşan görsel gözetim sistemlerinin kullanımı da yaygınlaşmıştır. Görsel gözetim yapmak için kullanılan bu sistemler, nesneler veya insanların hareketlerini, davranışlarını gözlemlemede yaygın olarak tercih edilmektedirler. Trafikte kullanılan gözetleme sistemlerinde çeşitli algoritmalar sayesinde kalabalıklar arasında şüpheli şahısların ya da araçların anormal davranışlarının tespiti mümkün olmaktadır. Bu hareketlerin doğru bir şekilde tespit edilmesi oluşabilecek birçok tehlikenin önceden tespitine ve engellenmesine yardımcı olmaktadır. Günlük yaşamdaki birçok alanda görsel takip sistemlerinin kullanılma gereksinimi, son yıllarda araştırmacıların nesne takibi konusuna olan ilgisini arttırmıştır. Nesne tespiti ve takibi, görsel gözetim sistemlerinin yorumlanması amacıyla giderek daha yaygın olarak kullanılmaktadır. Tez çalışması kapsamında bir yol güzergâhında bulunan birden fazla kameradan alınan çoklu video görüntüleri kullanılmıştır. Bu tez çalışmasının ilk aşamasında, şüpheli olarak nitelendirilen bir aracın çoklu trafik video görüntüleri üzerinde geliştirilen araç takip yöntemi kullanarak izlenmesi sağlanmıştır. İkinci aşamasında aracın görüntülenebileceği kameraların belirlenmesi sağlanmıştır. Son aşamada ise derin öğrenme tabanlı nesne tanıma algoritmaları kullanılarak şüpheli aracın tespit edilme işlemi gerçekleştirilmiştir. Tez çalışmasında sırasıyla Bölge Tabanlı Evrişimli Sinir Ağı (B-ESA), Daha Hızlı Bölge Tabanlı Evrişimli Sinir Ağı (Daha Hızlı B-ESA) ve Yalnızca Bir Kez Bakarsınız (YOLO) kullanılmıştır. Deneysel sonuçlardan elde edilen ortalama kesinlik değerlerinin ortalaması (mean Average Precision-mAP) karşılaştırılmış ve Daha Hızlı B-ESA derin öğrenme modelinin ResNet101 omurga ağı ile eğitilmesi ile elde edilen % 89 değerinin en yüksek ortalama olduğu belirtilmiştir. Anahtar Kelimeler: Derin Öğrenme, Araç Takibi, Araç Tespiti, B-ESA, Daha Hızlı B-ESA, YOLO