Düşük ışıkta sürücü yorgunluk tespiti

Sürücü yorgunluğunun; sürüş sırasında mikro uykuya geçme, tepki sürelerinde gecikme, dikkat dağınıklığı, şeritten çıkma, trafik uyarı levhalarını kaçırma gibi birçok etkisi görülmektedir. Genellikle bu davranışların sonucu olarak trafik kazaları meydana gelmekte ve birçok can ve mal kaybına neden olmaktadır. Bu aşamada kazaların önlenmesi için en önemli unsurlardan biri sürücünün yorgunluğunun erken tespit edilerek sürücünün uyarılmasıdır. Sürücünün yorgunluğunun en doğru şekilde tespit edilebilmesi için kullanılan yöntem kadar veri kümesi de önem taşımaktadır. Bu çalışmada, ilk olarak sürücünün yorgunluğunun tespit edilebilmesi için gerçek sürüş anlarını içeren Sivas Bilim ve Teknoloji Üniversitesi Sürücü Yorgunluk Veri Kümesi (SUST-DDD) toplanmıştır. Veri kümesi 'yorgun' ve 'yorgun değil' olmak üzere iki sınıfa ait her biri 10 saniye uzunluğunda olan toplamda 2074 videodan oluşmaktadır. İkinci aşamada ise oluşturulan veri kümesi kullanılarak AlexNet, LSTM, VGG16, VGG19, VGGFaceNet ve hibrit derin ağlar gibi derin öğrenme yöntemleri ile sürücülerin uyku durumu tahmin edilmiştir. Çalışma sonucunda oluşturulan veri kümesi ve uygulanan hibrit derin ağ modelinin %98,42 hassasiyet, %98,76 duyarlılık, %98,47 f1 skor ve %98,48 doğruluk değerleriyle yorgunluğu tahmin ettiği görülmektedir.