Derin öğrenme yöntemleri ile güvenlik kamerası görüntülerinden apronlarda yer operasyonlarının gerçek zamanlı analizi
Real-time analysis of ground operations on aprons from security camera images with deep learning methods
- Tez No: 687374
- Danışmanlar: DOÇ. DR. MİNE ELİF KARSLIGİL YAVUZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İstanbul Havalimanı'ndan günlük olarak yaklaşık 1000 uçuş gerçekleşmektedir. Her uçuş için uçakların havalimanı apron alanında kaldıkları süre boyunca sürdürülen operasyonel faaliyetleri mevcuttur. İnişten sonra veya kalkıştan önce yapılması gerekli işlemler bulunmaktadır. İşlemler uçağın apron park alanına gelmesi ile başlayıp, geri itme işleminin bitmesiyle sona erer. Mevcut durumda, bu süreçler farklı sistemlerden gelen bilgiler ve gözle yapılan değerlendirmeler sonucu takip edilmekte ve gerek güvenlik, gerekse operasyon süreçlerinin optimizasyonu için değerlendirilmektedir. Yapılan operasyonların kontrolünün, takibinin ve standardizasyonunun sağlanabilmesi için operasyon işlemlerinin otomatize edilmesi önemli bir fayda sağlayacaktır. Bu tez çalışmasında, video görüntülerini değerlendirerek, uçağın apronda bulunduğu süre boyunca yapılan operasyonel faaliyetlerin tespit, takip ve raporlamasını yapan derin öğrenme tabanlı bir sistem tasarlanmış ve gerçeklenmiştir. Konu ile ilgili genel kullanıma açık bir veri kümesi bulunmadığı için, önce güvenlik kamerasının farklı zamanlara ait görüntüleri kullanılarak veri kümesi hazırlanmıştır. Operasyonel işlemlerin değerlendirilmesi görüntüde uçağın tespiti ile başlamaktadır. Uçak iniş yaptıktan sonra körük yanaşması, ikram yükleme, yakıt yükleme gibi farklı işlemlerin tespiti yapılmaktadır. Uçak ve operasyonlarda yer alan araçların tespiti için bölge tabanlı evrişimsel sinir ağı modellerinden biri olan Mask R-CNN yöntemi kullanılmıştır. Yapılan işlemlerin oryantasyonunun uygunluğunun anlaşılabilmesi için uçağın kapıları ve kuyruk bölümü de yine Mask R-CNN kullanılarak tespit edilmiştir. Uçak ve diğer araçların takibi için farklı nesne takip yöntemleri incelenmiş ve derin öğrenme tabanlı SiamMask algoritması kullanılmıştır. Operasyonda yer alan araçların uçak ile bağlantısı başladıktan sonra aracın konumu ve hareket yönü bilgileri kullanılarak yapılan işlemler hakkında çıkarımlarda bulunularak operasyonun türü, başlangıç ve bitiş zamanı bilgileri çıkartılmıştır. Olayların başarısını nesne tespiti ve takibi doğrudan etkilemektedir. Bu sebeple her aşamada performans değerlendirmesi yapılmıştır. Sistemin genel başarısının gerçek zamanlı kullanım için yeterli olduğu görülmüştür.
Özet (Çeviri)
There are approximately 1000 flights daily from Istanbul Airport. For each flight, there are operational activities that continue during the aircraft's stay in the airport apron area. There are procedures to be done after landing or before take-off. Operations begin with the aircraft's arrival at the apron parking area and end with the end of the push-back operation. Currently, these processes are monitored as a result of the informations coming from different systems and visual evaluations, and evaluated for both security and optimization of operational processes. Automating processes of the operation will provide a significant benefit in order to ensure the control, follow-up and standardization of the operations. In this thesis, a deep learning-based system that evaluates videos and detects, monitors and reports operational activities while the aircraft is on the apron has been designed and implemented. Since there is no publicly available dataset on the subject, a dataset was prepared with security camera footages taken from various times. Evaluation of operational processes begins with the detection of the aircraft. After the aircraft has landed, different operations such as fuel, catering loading are detected. Mask R-CNN method, which is one of the region-based convolutional neural network models, was used to detect aircraft and vehicles in operations. In order to understand the operations performed, the doors, front wheel and tail part of the aircraft were determined using Mask R-CNN. Different object tracking methods have been examined for tracking aircraft and other vehicles and the deep learning based SiamMask algorithm has been used. After the connection of the vehicles involved in the operation with the aircraft began, inferences were made about the operations performed using the vehicle's position and direction of movement information, and the type of operation, start and end time information were obtained. Object detection and tracking directly affect the success of these events. For this reason, performance evaluation was made at each stage. It has been seen that the overall success of the system is sufficient for real-time use.
Benzer Tezler
- Fight recognition from still images in the wild
Doğal ortamda sabit görüntülerden kavga tespiti
ŞEYMANUR AKTI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- Pekiştirmeli öğrenme ile yüz görüntüsünün yüksek çözünürlükte elde edilmesi
High resolution facial image acquisition with reinforcement learning
EMRE ALTINKAYA
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURHAN BARAKLI
- Yapay zeka yöntemleri ile el damar deseni tanıma
Hand vein pattern recognition with artificial intelligence methods
HASAN TUTUMLU
Yüksek Lisans
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NOVRUZ ALLAHVERDİ
- Deep learning-based vehicle classification under low-quality imagining conditions
Düşük kaliteli görüntüleme koşullarında derin öğrenmeye dayalı araç sınıflandırması
ÖZGEN SARI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAtılım ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YASER DALVEREN
PROF. ALİ KARA
- Derin öğrenme yöntemiyle kapalı alanlarda suç davranışlarının tespitine yönelik bir uygulama
An application towards detecting criminal behaviors in indoor spaces with deep learning
EMEL BAĞDATOĞLU YILMAZ
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. MURAT PAŞA UYSAL