Sert negatif öğrenme ile yayaların yürüyüş rotalarının belirlenmesi

Gelişen teknoloji ile birlikte günümüzde otonom araçların kullanımı da hızla artmaktadır. Ancak otonom bir aracın şehir trafiği içerisinde güvenli olarak hareket edebilmesi için başa çıkması gereken bazı durumlar bulunmaktadır. Otonom çalışan bir araç, akan trafik içinde bir sürücü gibi kendi durumunun farkında olmalı, güvenli ve etkili davranış kararları verebilmelidir. Otonom araç yalnızca mevcut durumdaki tüm unsurları tanımlamakla kalmamalı, aynı zamanda geçmiş deneyimlerden elde edilen bilgi ve tecrübeleri kullanarak gelecekteki durumlar için tahminlerde bulunabilmelidir. Bu çalışmada Yönlü Gradyanların Histogramı (HOG) algoritması ve Destek Vektör Makinesi (SVM) kullanılarak yayaların yürüyüş rotalarının kestirilmesi ile otonom araç sürüşlerinin daha güvenli hale gelmesi hedeflenmektedir. Araç içerisine yerleştirilen kamera üzerinden elde edilen görüntüler yardımıyla yayaların belirlenmesi ve davranışlarının kestirilmesine çalışılmıştır. Elde edilen video görüntülerinden çıkarılan her çerçeve için yayanın piksel cinsinden konumu ve kameranın özdevinimi bulunduktan sonra, aracın özdeviniminden kaynaklanan konum değişikliği giderilir. Böylece aracın hareketinin, yayanın hareketi üzerindeki etkisi elimine etmeye çalışılır. Özdevinim çıkartıldıktan sonra yayanın konumu bir önceki çerçevede hesaplanan konumdan çıkarılarak yayanın bir çerçeve boyunca ne kadar hareket ettiği bulunur. Bulunan hareket miktarlarının ortalaması yardımıyla yayanın bir sonraki çerçevede nerede bulunması gerektiği kestirilir. Çalışmanın sonucunda önerilen yöntemin Daimler Mono Pedestrian Benchmark veri seti üzerinde test edilerek, sunulan probleme başarılı bir çözüm sunduğu görülmüştür. Yaya tespit başarımı DVM'nin Gauss radyal temelli çekirdek fonksiyonu performans sonuçları üzerinden değerlendirildiğinde mevcut yayaların %95.27 oranında tespit edilebildiği görülmüştür. Tespit edilen yayaların rotaları ise %96.69 oranında doğru öngörülmüştür.