Derin öğrenme teknikleri kullanilarak gerçek zamanli saldiri tespiti

Güvenlik, varoluşundan beri insan için en önemli olgulardan biri olmuş ve tüm zamanlar boyunca da önemini artırarak korumuştur. Bu kapsamda bireysel ve kamusal güvenliğin sağlanması için güvenlik kameralarının kullanılması veya görevlilerce nöbet tutulması bir zorunluluk haline gelmiştir. Ancak insan operatörlerin gün boyu ekran başında güvenlik kamerasını veya bir bölgeyi, görev süresi boyunca dikkatini en yüksek seviyede tutarak gözlemesi mümkün değildir. Güvenliğin tesis edilmesi adına görüntülerden elde edilen verilerin, daha az insan operasyonuyla otomatik olarak analiz edilmesini sağlayan güvenlik sistemlerine olan ihtiyaç giderek artmaktadır. Güvenlik uygulamaları göz önüne alındığında gözetleme, hedef tespiti ve hedef takibi gibi çalışmalarda hareket tespiti ve bu hareketin sınıflandırılması önem arz etmektedir. Yürütülen çalışma ile "drone" üzerindeki kamera ile elde edilen görüntülerden gerçek zamanlı saldırı tespitinin yapılması amaçlanmıştır. Bu kapsamda görüntülerden hareket tespiti için; sırasıyla optik akış, kamera hareketinin telafisi ve YOLOv8 segmentasyon algoritması, insan aktivitesinin tanınmasında ise; YOLOv8 segmentasyon ve nesne tespiti algoritmaları kullanılmıştır. Ayrıca kamera görüntülerinden nesnenin "drone"a olan uzaklığının tespiti yapılmaya çalışılmıştır. YOLOv8'e ait tüm varyantlar (Nano, Small, Medium, Large ve Extra Large) bu çalışma kapsamında ayrı ayrı kullanılmış ve performansları kıyaslanmıştır. Hareket tespitinden en başarılı YOLOv8 varyantı; %89 mAP@0.5 değeri ile YOLOv8m olurken nesne tespitinde, %96 mAP@0.5 ile YOLOv8l olmuştur. Nesnenin "drone"a olan uzaklığı ise %1.66 bağıl hata ortalaması ile hesaplanmıştır.