Geri Dön

Derin öğrenme kullanılarak göz, yüz ve esneme özelliklerine dayalı melez bir yorgunluk tanıma sistemi geliştirilmesi

Development of hybrid fatigue recognition system based on eye, face and yaw features using deep learning

PDF İndir

  1. Tez No: 694628
  2. Yazar: RABİA KÖK
  3. Danışmanlar: PROF. DR. AYBARS UĞUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Trafik kazaları genel olarak sürücü, araç ve çevresel etmenlerin etkileşimi sonucu oluşmakta; can ve mal güvenliğini ciddi oranda tehdit etmektedir. Bu kazalarda genellikle ana faktör insandır. Uzun süre ve/veya dinlenmeden araç kullanmak, sürücünün yorgun düşmesine ya da sürüş esnasında uyuklamasına sebep olmaktadır. Yorgun/uykusuz araç kullanmak, en az alkollü araç kullanmak kadar tehlikelidir. Görüntü işleme tabanlı yorgunluk tanımaya yönelik bu tez çalışmasında, literatürde yer alan, ücretsiz erişilebilen Cew ve YawDD veri setleri kullanılmıştır. Cew veri seti, kapalı ve açık göz görüntüleri ile kapalı ve açık gözlerin bulunduğu yüz görüntüleri içermektedir. YawDD veri seti ise esneme, konuşma, şarkı söyleme gibi davranışlarda bulunan sürücü görüntüleri barındıran video görüntülerinden oluşmaktadır. Öncelikle bu veri setinden, esneyen ve esnemeyen sürücülerin görüntü kareleri ayrıştırılmış ve ardından MTCNN yöntemi kullanılarak görüntülerdeki yüz, göz ve ağız görüntü parçaları çıkarılmıştır. Yüz, göz ve ağız görüntülerinden yorgunluk tanıma için derin öğrenme modelleri geliştirilmiştir. Ayrıca, i) yüz ve gözlerin; ii) yüz, gözler ve ağzın birlikte değerlendirildiği fonksiyonel modellerin gerçekleştirimi yapılmıştır. Çalışma, yorgunluk tanıma alanında YawDD veri seti üzerinde ve durağan yüz bölümleri görüntülerinin özniteliklerini birleştirmek üzere geliştirilen ilk modeli içermesi yönü ile yenilik içermektedir. Deneysel çalışmalar, yöntemin belirli durumlarda sınıflandırma başarısını artırabildiğini göstermektedir.

Özet (Çeviri)

Traffic accidents generally occur as a result of the interaction of driver, vehicle, and environmental factors; threat the safety of life and property seriously. People are usually the main factor in these accidents. Driving for a long time and/or without resting causes the driver to get tired or drowsy while driving. Tired/sleepless driving is just as dangerous as drunk driving. In this thesis study on image processing-based fatigue recognition, the freely accessible Cew and YawDD datasets in the literature were used. The Cew dataset includes images of closed and open eyes and facial images with closed and open eyes. On the other hand, the YawDD dataset consists of video images of drivers engaging in behaviors such as yawning, speaking, and singing. First of all, image frames of yawning and non-yawning drivers were separated from this dataset and then the face, eye, and mouth parts of the images were extracted from the images using MTCNN method. Deep learning models have been developed for fatigue recognition using face, eye, and mouth images. In addition, functional models were implemented in which i) face and eyes, ii) face, eyes, and mouth were evaluated together. The study has a contribution in the field of fatigue recognition on the YawDD dataset in that includes the first model developed to combine the features of the images of stationary facial parts. Experimental studies show that the method can increase classification success in certain situations.

Benzer Tezler

  1. Tez No

    671633

    Derin öğrenme tabanlı sürücü yorgunluğu sezme ve tahmin sistemi geliştirilmesi

    Detecting drivers' fatigue and development of a prediction system based on deep learning

    BURCU KIR SAVAŞ

    Doktora

    Türkçe

    Türkçe

    2021

    Mühendislik BilimleriKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. YAŞAR BECERİKLİ

  2. Tez No

    981656

    A real-time multi-modal deep learning system for driver fatigue detection

    Sürücü yorgunluğunu tespit etmek için gerçek zamanlı çok modlu derin öğrenme sistemi

    CENNET KOCABIYIK GÜR

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Elektrik ve Elektronik MühendisliğiYaşar Üniversitesi

    Yapay Zeka Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NALAN ÖZKURT

  3. Tez No

    639628

    Derin öğrenme yöntemleri kullanılarak covid-19 vaka tahmini ve mevsimsel etkilerin analizi

    Prediction of covid-19 cases using deep learning methods and analyzing of seasonal effects

    ÖZNUR YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ FINDIK

  4. Tez No

    568466

    Derin öğrenme kullanılarak FPGA'lar ile gerçek zamanlı nesne algılama ve tanıma

    Real-time object detection and recognition on FPGAS's by using deep learning

    VEYSEL YUSUF ÇAMBAY

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Mekatronik MühendisliğiFırat Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYŞEGÜL UÇAR

  5. Tez No

    1018199

    Göz kapağı yüksekliği, kaş yüksekliği ve göz kapağı fonksiyonlarının fotoğrafik ölçümü: Transfer öğrenme tabanlı derin öğrenme yaklaşımı ile yeni bir programın geliştirilmesi ve klinik geçerliliğinin değerlendirilmesi

    Photographic measurement of eyelid height, brow height, and eyelid function: Development and clinical validation of a novel program using a transfer learning–based deep learning approach

    BÜŞRA AKGÜN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2026

    Göz HastalıklarıMarmara Üniversitesi

    Göz Hastalıkları Ana Bilim Dalı

    DOÇ. DR. VOLKAN DERİCİOĞLU

Geri Dön