Dış ortam görüntülerindeki insan hareketlerinin derin öğrenme kullanarak sınıflandırılması

Bu tez çalışmasında, dış ortam görüntülerinde yer alan kişilerin hareketlerinin otomatik sınıflandırılması için derin öğrenme yaklaşımları önerilmiştir. Öncelikle, elde edilen görüntü içerisindeki kişilerin tespiti sağlanmıştır. Bu amaçla, literatürde yaygın olarak kullanılan önceden eğitilmiş derin nesne tespit aracı olan YOLO kullanılmıştır. Dış ortam görüntülerinin elde edilmesinde Google Street View ortamı kullanılmıştır. Daha sonra tespit edilen kişiler için hareket sınıfları oluşturulmuştur. Bu hareket sınıfları; sağa yürüyen, sola yürüyen, ayakta duran ve oturan şeklindedir. Böylece dış ortam görüntülerinden tespit edilen kişiler için kapsamlı bir veri seti oluşturulmuştur. Sınıfları belirlenen verilerin otomatik olarak tanınması işlemi için bir konvolüsyonel sinir ağı (KSA) modeli tasarlanmıştır. Tasarlanan bu konvolüsyonel sinir ağı modeli ile kişilere ait hareketlerin otomatik tanınması sağlanmıştır. Eğitimi tamamlanan bu sınıflandırıcı, YOLO nesne tespit sistemi ile birlikte kullanılarak giriş görüntüsü içerisindeki kişilerin hareketlerinin otomati olarak tanınması sağlanmıştır. Tez kapsamında, veri tabanı üzerinde üç ve dört sınıflı veri setleri oluşturularak önerilen sistemin performans değerlendirmeleri yapılmıştır. Tez çalışması sonucunda, dış ortamdan elde edilen görüntüde yer alan kişilerin hareketlerine yönelik bir tanıma sistemi sunulmuştur. Böylece sürücüsüz araçlar ve robotik gibi dış ortamda insanlarla etkileşim içerisinde bulunacak uygulamalarda kullanılabilecek etkili bir tanıma sistemi sunulmuştur.