Derin öğrenme yöntemiyle kapalı alanlarda suç davranışlarının tespitine yönelik bir uygulama

Suç ve suça ilişkin olaylar doğası gereği, geçmişte insan ve toplum hayatı için her zaman önemli olgular içerdiği gibi gelecekte de önemli etkilerinin olacağı açıkça gözlenmektedir. Hukuki yaptırımlara ek olarak sınırlı düzeydeki teknolojik uygulamalar suçla ilgili olayları belirli oranlarda azaltsa da beklenen gereksinimleri karşılamaktan uzak olduğunu söylemek mümkündür. Bunun en önemli nedenlerinden birisi, suç teşkil eden olayların gerçekleştikten sonra asenkron ve manuel olarak incelenmeleri, teknolojik araçların ise çoğu zaman bu olaylara ait verinin kaydı ve işlenmesi için kullanılması olduğu söylenebilir. Dolayısıyla, olayları gerçek zamanlı izleyecek, otomatik biçimde analiz ederek suça ilişkin davranışları anında tespit edecek akıllı teknolojik çözümlerin suç davranışlarını azaltacağı gibi suçun caydırıcılığını da artıracağı değerlendirilmektedir. Bu kapsamdaki çalışmanın temel amacı, kapalı alanlarda güvenlik kameralarından (CCTV) elde edilen video görüntülerini kullanarak suç davranışlarını gerçek zamanlı belirlemeye yönelik akıllı bir çözüm üretmektir. Araştırma, Tasarım Bilimi Araştırma Yöntemi (Design Science Research) çerçevesinde derin öğrenme yöntem, teknik ve araçları kullanılarak bütünleşik bir yapıda yürütülmüştür. Araştırmanın kuramsal temelleri, suç ve suç tespit yöntemleri, yapay zeka, yapay sinir ağları, derin öğrenme ile görüntü işleme bilgi alanlarıdır. Çalışmanın ana çıktısını, gerçekleştirilen derin öğrenme çözümü ile onun içerdiği özgün modeller ve algoritmalar oluşturmaktadır. Araştırma probleminin çözümü için suç davranışları belirlenmiştir. Bunlar kavga, koşma, silah doğrultma, atlama, el kaldırma, yerde uzanma, eylemsizlik ve diğer olmak üzere sekiz alt kategoriye ayrılarak, güvenlik kameralarından alınmış 617 gerçek video görüntüsünden oluşan Güvenlik Kamerası Suç Veri Seti oluşturulmuştur. Çalışma sonucunda gözetimsiz öğrenme modellerinin gözetimli öğrenme modellerine nazaran suç tespitinde daha etkili olduğu bulunmuştur. Elde edilen bulgular ve gözlemler doğrultusunda, derin öğrenme ile geliştirilen çözümün araştırmanın amaç ve hedeflerini karşıladığını söylemek mümkündür. Ancak, araştırma sınırlılıkları dikkate alındığında ise gelecekteki çalışmalarla iyileştirilmesi gereken yönlerinin bulunduğunu da belirtmek gerekmektedir.