Mediapipe ve makine öğrenmesi kullanarak uyku durum tespitinin gerçek zamanlı olarak mobil sistem ile gerçekleştirilmesi

Bu tez çalışmasında, sürücülerin uykulu ya da uyanık olduklarının mobil telefon kamerası aracılığıyla gerçek zamanlı olarak tespit edilmesini sağlayan bir sistem geliştirilmiştir. Uykulu halde araç kullanımı, ciddi trafik kazalarına yol açabilen başlıca risk faktörlerinden biridir. Bu nedenle sürücünün uyanıklık durumunun anlık olarak izlenmesi ve uykulu hâlin erken tespit edilmesi, trafik güvenliğini artırma açısından büyük önem taşımaktadır. Geliştirilen sistemde, sürücülerin yüz ifadeleri ve göz hareketleri mobil telefon kamerası üzerinden analiz edilmiştir. Görüntü işleme aşamasında Google tarafından geliştirilen Mediapipe kütüphanesi kullanılmış; yüz bölgesinden elde edilen blendshape verileri, sürücünün mimik ve ifade değişimlerini sayısal olarak temsil etmiştir. Bu veriler, uykulu sürüş sırasında meydana gelen davranışsal değişimleri (örneğin, gözlerin kapanması, ağız hareketlerinin azalması, yüz kaslarının gevşemesi gibi) yakalamada önemli rol oynamıştır. Elde edilen blendshape vektörleri, makine öğrenmesi algoritmaları ile işlenmiş ve bireylerin "uykulu" veya "uyanık" durumlarına ait sınıflandırmaları gerçekleştirilmiştir. Modelin eğitimi ve testinde dengeli veri setleri kullanılmış, sistemin doğruluk, hassasiyet ve özgüllük gibi performans ölçütleri değerlendirilmiştir. Bu tezde geliştirilen sistem; düşük donanım gereksinimi, taşınabilirlik ve gerçek zamanlı çalışma özellikleriyle dikkat çeken, mobil cihazlar üzerinden kullanılabilen bir uygulama sunmaktadır. Blendshape tabanlı yüz analizi ile desteklenen bu yöntem, sürücülerin uykulu hâlini yüksek doğruluk oranlarıyla tespit ederek trafik kazalarının önlenmesine katkı sağlayacak önemli bir adım niteliğindedir.