Derin öğrenme kullanılarak araç içi görüntüden dikkatsiz sürücü tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: SEYİT OZAN ÖZDİL
Danışman: Songül Varlı
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dünya Sağlık Örgütü (WHO) raporuna göre, son yıllarda dünya nüfusuna göre ölüm oranı sabitlenmiş olsa da, karayolu trafik kazası ölümlerinin sayısı son birkaç yıldan beri sürekli artmaktadır. Ulusal Karayolu Trafik Güvenliği İdaresi'nin (NHTSA) araştırmasına göre, dikkati dağılmış sürüş, trafik kazalarında önde gelen bir faktördür. Dikkati dağılmış sürücüler gerçekleşen bu kazaların beşte birlik dilimini oluşturmaktadır. Sürücüler, araç sürerken sıklıkla dikkat dağıtan ikincil faaliyetler gerçekleştirirler. Dikkati dağılmış sürücü davranışları arasında mesajlaşma, telefonda konuşma, radyo çalıştırma, içecek içme, arkaya uzanma, saç veya makyaj düzeltme ve yolcuyla konuşma sayılabilir. Bu çalışma ile kazaları azaltmak ve güvenliği artırmak hedeflenmektedir. Çalışma içerisinde, birden fazla evrişimli sinir ağı, dikkati dağılmış sürücü görüntüleri kullanılarak eğitilmiştir. Önceden eğitilmiş modellerle stacking ensemble tekniği kullanılarak dikkati dağılmış sürüşü tespit edebilecek bir sistem önerilmektedir. EfficientnetV2-M, EfficientnetV2-S, DenseNet201, InceptionV3 ve InceptionResNetV2 olmak üzere beş bağımsız derin nöral mimariden oluşan hibrit bir yaklaşım sunulmaktadır. Bu çalışmada, dikkati dağılmış sürücü tespiti çalışmalarında en çok kullanılan AUC ve StateFarm Dikkati Dağılmış Sürücü veri setleri kullanılmıştır.