Bu makale
çalışmasında, dış ortam görüntülerinde yer alan insan hareketlerinin otomatik
sınıflandırılması için hibrit bir derin öğrenme yaklaşımı önerilmiştir. İlk
olarak, dış ortamdan çekilen 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 platformu tercih edilmiştir. Daha sonra
tespit edilen kişiler için hareket sınıfları oluşturulmuştur. Bu hareket
sınıfları; sağa yürüme, sola yürüme, ayakta durma ve oturma 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. Eğitimi
tamamlanan bu model, YOLO nesne tespit sistemi ile hibrit bir şekilde
kullanılarak giriş görüntüsü içerisindeki kişi hareketlerinin otomatik olarak
tanınmasını sağlamıştır. Makale kapsamında, dört sınıflı bir veri seti
oluşturularak önerilen sistemin performans değerlendirmeleri yapılmıştır.
Primary Language | Turkish |
---|---|
Journal Section | MBD |
Authors | |
Publication Date | September 20, 2018 |
Submission Date | March 23, 2018 |
Published in Issue | Year 2018 Volume: 30 Issue: 3 |