Video görüntüleri üzerinde nesnelerin mekansal-zamansal bütünleşik çerçevesinde anlamlandırılması

Video görüntülerinin işlenmesi günümüzde çok rağbet gören fakat o ölçüde de zorlu bir görevdir. Görüntü işleme yöntemleriyle, hareketli ve sabit kamera görüntülerinden anlamlı bilgiler çıkarılabilmektedir. Hareketli kameralardan elde edilen görüntüler üzerinde çalışmanın en zorlu unsurlarından biri, nesnelerin, sürekli değişen bir ortamda yer almasıdır. Buna ek olarak, video görüntüleri üzerindeki gürültü, yansıma, ölçekleme ve benzeri zorluklarla baş edebilmek dayanıklı bir model geliştirmek için kritik öneme sahiptir. Yapılan tez çalışmasında araç içi video görüntüleri üzerinde araçların hareket yönleri ve aynı zamanda hareket açılarının öğrenilmesi üzerine çalışmalar yapılmıştır. Bu çalışmalarda video görüntülerinden elde edilen hareket profilleri kullanılmıştır. Bu sayede resim boyutu küçültülerek mimarinin gerçek zamanlı olarak çalışabilmesi sağlanmıştır. Araçların hareket yönlerinin öğrenilmesi aşamasında başarılı derin öğrenme mimarilerinden YOLOv3 kullanılmıştır. Buna ek olarak araçların hareket açılarının yeni bir parametre olarak öğrenilmesi aşamasında YOLOv3 geliştirilerek yeni bir mimari ortaya çıkartılmıştır. Bu sayede izleme algoritmalarına gerek kalmadan tek bir resim üzerinde araçlar, hareket yönleri ve açılarının öğrenilmesi sağlanmıştır. Elde edilen sonuçlar güncel derin öğrenme mimarileriyle baş edebilir seviyede çıkmıştır. Sunulan yöntemde kötü hava şartları, görüntüdeki gürültü vb. etmenler sonucu olumsuz olarak etkilememektedir. Böylece daha tutarlı ve dayanıklı bir sistem elde edilmiştir. Araçların hareket açıları ve yönlerinin öğrenilmesi araçların hareketlerinin anlamlandırılması ve bu sayede çarpışma önleyici sistemlerde kullanılması bakımından önem arz etmektedir.