Yapay Zekâ Tabanlı Gerçek Zamanlı Sürücü Uyuşukluğu Tespiti: Hibrit Model Yaklaşımı

Authors : Furkan Terzi, Özlem Süer, Gulay Cicek

Pages : 621-651

Doi:10.33484/sinopfbd.1701924

View : 136 | Download : 206

Publication Date : 2025-12-24

Article Type : Research Paper

Abstract :Sürücülerin yorgunluk ve uyuşukluk durumlarını gerçek zamanlı olarak tespit etmeyi amaçlayan derin öğrenme tabanlı bir model geliştirmektedir. MRL Eye Dataset ve Yawn Dataset gibi açık erişimli veri setlerinden faydalanarak, sürücülerin göz açık/kapalı durumları ve esneme hareketleri derinlemesine analiz edilmektedir. MRL Eye Dataset, yaklaşık 85.000 görüntü ile sürücünün göz durumlarını sınıflandırırken, Yawn Dataset ise 5.000’den fazla görüntü ile esneme hareketlerini tespit etmek için kullanılmaktadır. Bu veri setleri, modelin doğruluğunu artırmak amacıyla dengeli şekilde düzenlenmekte ve çeşitli ön işleme teknikleri ile iyileştirilmektedir. Model, CNN ile eğitilmekte ve transfer öğrenme teknikleriyle güçlendirilmekte, bu sayede modelin sınıflandırma başarısı önemli ölçüde artırılmaktadır. Modelin elde ettiği doğruluk oranı %98, hassasiyet oranı %97.5 ve özgüllük oranı ise %98.2 gibi yüksek metriklerle başarılı sonuçlar elde edilmektedir. Bu çalışma, literatürde ilk kez hem göz kırpma hem de esneme hareketlerini hibrit CNN tabanlı bir modelde birlikte ele almaktadır. Bu özgün yaklaşım, sürücü yorgunluğunu tespit etmede yalnızca tek parametreye odaklanan çalışmalara kıyasla daha kapsamlı ve güvenilir sonuçlar üretmektedir. Ayrıca, sentetik verilerin kullanılması, gerçek veri toplama zorluklarını aşarak daha geniş ve çeşitlendirilmiş veri setleriyle modelin eğitilmesine olanak tanımaktadır. Gelecekte, baş hareketleri, yüz ifadeleri ve diğer biyometrik verilerin sisteme entegre edilmesi ile modelin doğruluğu daha da artırılabilir ve sürücülerin dikkat seviyelerini daha kapsamlı bir şekilde değerlendirebilir. Ayrıca, farklı kültürel ve coğrafi gruplardan elde edilen verilerle modelin genellenebilirliği sağlanarak, daha geniş bir kullanıcı kitlesine hitap edilmesi mümkün hale gelebilmektedir. Sonuç olarak, bu çalışma, sürücü yorgunluğunu tespit etmeye yönelik geliştirilen derin öğrenme tabanlı modelin, trafik güvenliğini derinlemesine dönüştürebilecek büyük bir potansiyele sahip olduğunu ve yol güvenliğini önemli ölçüde artırabileceğini ortaya koymaktadır. Özellikle otonom araçlar ve akıllı ulaşım sistemleri gibi teknolojilerin gelişimiyle paralel olarak, bu model sürücü destek sistemlerine entegre edilerek, kazaların önlenmesine katkı sağlayabilir ve sürücülerin güvenliğini artırabilir. Bu model, trafik kazalarını önlemek ve sürücülerinin güvenliğini sağlamak adına devrim niteliğinde bir adım olarak değerlendirilebilmektedir.
Keywords : Shallow water denklemi, mertebe indirgenmiş modelleme, düzgün dik ayrışma

ORIGINAL ARTICLE URL