Gözetim sistemlerinden alınan görüntülerden terörist tespitinin yapılması
Detecting terrorist from images taken from surveillance systems
- Tez No: 1019533
- Danışmanlar: Prof. Dr. MUSTAFA SERVET KIRAN
- Tez Türü: Yüksek Lisans
- Konular: Savunma ve Savunma Teknolojileri, Defense and Defense Technologies
- Anahtar Kelimeler: Derin öğrenme, Görüntü sınıflandırma, Deep learning, Image classification
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Konya Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Terörizm, günümüzde küresel güvenliği tehdit eden en önemli unsurlardan biri olmaya devam etmektedir. Bu tehdide karşı terörle mücadele alanında geniş bir literatür bulunmasına rağmen, terör şüphelilerinin dış görünüş özelliklerine dayalı otomatik tespit sistemleri üzerine yapılan çalışmaların sınırlı olduğu görülmektedir. Bu çalışmada, terör şüphelilerinin dış görünüş özelliklerinden yararlanarak otomatik tespit gerçekleştirebilen, yapay zekâ ve derin öğrenme tabanlı çok aşamalı bir sınıflandırma sistemi önerilmektedir. Önerilen sistemin ilk aşamasında, görüntüler üzerinde insan tespiti gerçekleştirmek amacıyla YOLO modeli kullanılmıştır. İnsan tespitinin ardından silah tespiti aşamasına geçilmiş ve bu amaçla iki farklı veri seti kullanılarak YOLOv8 modeli eğitilmiştir. Yapılan deneyler sonucunda en başarılı performansı gösteren model sistemde kullanılmaya devam edilmiştir. Sistem içerisinde, üzerinde silah bulunmayan bireyler“sivil”olarak değerlendirilmiş ve tehdit unsuru içermeyen bireyler şeklinde etiketlenmiştir. Üzerinde silah tespit edilen bireyler ise bir sonraki aşamaya yönlendirilerek“asker”veya“terörist”şeklinde sınıflandırılmıştır. Sınıflandırma aşamasında YOLOv8, ResNet50 ve EfficientNet-B0 modelleri eğitilmiş ve performans karşılaştırmaları gerçekleştirilmiştir. Geliştirilen sistem; öncelikle görüntüdeki insanı tespit etmekte, ardından bireyin üzerinde silah bulunup bulunmadığını kontrol etmekte ve son aşamada bireyin asker veya terörist olup olmadığını belirlemektedir. Sistemin başarısı, silahlı eylem içeren CCTV görüntülerinden oluşturulmuş veri seti üzerinde test edilmiştir. Yapılan çalışmalar sonucunda,“terörist”ve“asker”sınıflandırmasında kullanılan modeller arasında en yüksek başarı oranının YOLOv8 modeli ile elde edildiği görülmüştür. Önerilen sistemin, terör tehdidine karşı erken uyarı mekanizmalarının geliştirilmesine ve güvenlik alanında alınabilecek önleyici tedbirlerin desteklenmesine katkı sağlayacağı değerlendirilmektedir.
Özet (Çeviri)
Terrorism continues to be one of the most significant threats to global security today. Although there is an extensive body of literature on counterterrorism, studies focusing on automatic detection systems based on the physical appearance characteristics of terrorist suspects remain limited. In this study, a multi-stage classification system based on artificial intelligence and deep learning is proposed to automatically detect terrorist suspects using their physical appearance characteristics. In the first stage of the proposed system, the YOLO model was used for human detection in images. After human detection, the weapon detection stage was performed, and for this purpose, the YOLOv8 model was trained using two different datasets. As a result of the experiments, the model with the best performance was selected for the system. Individuals without weapons were labeled as“civilian”and considered non-threatening, while individuals detected with weapons were forwarded to the next stage and classified as either“soldier”or“terrorist.”During the classification stage, YOLOv8, ResNet50, and EfficientNet-B0 models were trained and their performances were compared. The developed system first detects humans in images, then determines whether the individual is carrying a weapon, and finally identifies whether the individual is a soldier or a terrorist. The performance of the system was evaluated on a dataset consisting of CCTV images containing armed incidents. Experimental results showed that among the models used for“terrorist”and“soldier”classification, the YOLOv8 model achieved the highest accuracy. It is considered that the proposed system may contribute to the development of early warning mechanisms against terrorist threats and support preventive measures in the field of security.
Benzer Tezler
- Investigating a road traffic detection using YOLOv7
YOLOv7 kullanarak bir yol trafik algılamasını incelemek
OLUWASEYI EBENEZER OGUNBOYE
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiÜsküdar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞABAN SELİM ŞEKER
- Bir insansız hava aracı gerçekleştirme ve hareketli nesnelerin tespit ve takibinde kullanımı
An unmanned aerial vehicle realization and its use in detecting and tracking moving objects
ELİF ECE ELMAS
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALKAN
- Makine öğrenmesi yöntemleri ile el ve yüz analizi tahminlemesi
Hand and face analysis prediction with machine learning methods
HÜSNEİREM KAYA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAYHAN AYAR
- Restoring underwater images from turbidity and motion blur – a three-step framework
Bulanıklık ve hareketten etkilenmiş sualtı görüntülerinin iyileştirilmesi – üç adımlı bir yaklaşım
FATIMA IQBAL
Yüksek Lisans
İngilizce
2026
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
PROF. DR. SERHAT KÜÇÜKALİ
- Türk Anayasalarında ormancılık politikası
Başlık çevirisi yok
ALİ DERE
Yüksek Lisans
Türkçe
1988
Ormancılık ve Orman Mühendisliğiİstanbul ÜniversitesiKamu Yönetimi Ana Bilim Dalı
DOÇ. DR. MUSTAFA TAYFUN AKGÜNER