Araç kamerası görüntülerinde nesne ve nesne hareketi tespiti için bütünleşik bir derin öğrenme mimarisi

Akıllı araçlar ve otonom sürüş teknolojilerindeki gelişmeler güvenli ve konforlu bir sürüş için kritik öneme sahiptir. Kısmi ya da tamamen sürücüden bağımsız gerçekleşen sürüş faaliyetleri olarak tanımlanan otonom sürüş ve akıllı araçlarda bir nesnenin tespitinin ve hareketinin hızlı bir şekilde belirlenmesi için çok sayıda uygulama bulunmaktadır. Bu uygulamalarda kullanılan geleneksel algoritmalar genellikle önce nesneleri video karelerinde tespit eder, ardından bu nesnelerin hareketlerini izleyip analiz eder. Bu çalışma, uzamsal (görüntüdeki konum) ve zamansal (zaman içindeki değişim) bilgileri birleştiren yeni bir derin öğrenme tabanlı nesne ve hareket tespit yöntemi sunmaktadır. Model, nesnelerin konumlarını ve hareketlerini aynı anda analiz ederek farklı nesne sınıflarının benzer hareket desenlerini tespit eder. Nesnelerin bu hareket desenleri, uzamsal ve zamansal alanda izler bırakır. Hareket Profili Görüntüleri olarak adlandırılan bu izler, nesnelerin zaman içindeki hareketlerini görselleştirir ve karmaşık sürüş ortamlarında hareket kalıplarını anlamayı sağlar. Bu tez çalışması, geniş bir sürüş videosu veri seti kullanarak nesneleri ve hareketlerini doğrudan tespit eden yenilikçi bir yaklaşım sunmaktadır. Dinamik sürüş senaryolarının zorluklarıyla başa çıkmak için özel olarak tasarlanan bu yöntem, gerçek zamanlı performans sunar. Kamuya açık veri kümelerinde %78 hassasiyet ve 3,09˚ ortalama hata ile yüksek doğruluk sağlar ve %22'lik bir performans iyileştirmesi göstermektedir.