| Tez Türü | Yüksek Lisans |
| Ülke | Türkiye |
| Kurum/Üniversite | Kastamonu Üniversitesi |
| Enstitü | Fen Bilimleri Enstitüsü |
| Anabilimdalı | Bilgisayar Mühendisliği Ana Bilim Dalı |
| Tez Onay Yılı | 2025 |
| Öğrenci Adı ve Soyadı | Asiye ÖZBEK YAZICIOĞLU |
| Tez Danışmanı | DOÇ. DR. SALİH GÖRGÜNOĞLU |
| Türkçe Özet | Bu tez çalışmasında, sürücülerin uykulu ya da uyanık olduklarının mobil telefon kamerası aracılığıyla gerçek zamanlı olarak tespit edilmesini sağlayan bir sistem geliştirilmiştir. Uykulu halde araç kullanımı, ciddi trafik kazalarına yol açabilen başlıca risk faktörlerinden biridir. Bu nedenle sürücünün uyanıklık durumunun anlık olarak izlenmesi ve uykulu hâlin erken tespit edilmesi, trafik güvenliğini artırma açısından büyük önem taşımaktadır.Geliştirilen sistemde, sürücülerin yüz ifadeleri ve göz hareketleri mobil telefon kamerası üzerinden analiz edilmiştir. Görüntü işleme aşamasında Google tarafından geliştirilen Mediapipe kütüphanesi kullanılmış; yüz bölgesinden elde edilen blendshape verileri, sürücünün mimik ve ifade değişimlerini sayısal olarak temsil etmiştir. Bu veriler, uykulu sürüş sırasında meydana gelen davranışsal değişimleri (örneğin, gözlerin kapanması, ağız hareketlerinin azalması, yüz kaslarının gevşemesi gibi) yakalamada önemli rol oynamıştır.Elde edilen blendshape vektörleri, makine öğrenmesi algoritmaları ile işlenmiş ve bireylerin `uykulu` veya `uyanık` durumlarına ait sınıflandırmaları gerçekleştirilmiştir. Modelin eğitimi ve testinde dengeli veri setleri kullanılmış, sistemin doğruluk, hassasiyet ve özgüllük gibi performans ölçütleri değerlendirilmiştir.Bu tezde geliştirilen sistem; düşük donanım gereksinimi, taşınabilirlik ve gerçek zamanlı çalışma özellikleriyle dikkat çeken, mobil cihazlar üzerinden kullanılabilen bir uygulama sunmaktadır. Blendshape tabanlı yüz analizi ile desteklenen bu yöntem, sürücülerin uykulu hâlini yüksek doğruluk oranlarıyla tespit ederek trafik kazalarının önlenmesine katkı sağlayacak önemli bir adım niteliğindedir. |
| İlgilizce Özet | This thesis presents the development of a real-time driver drowsiness detection system using mobile phone cameras, integrating Mediapipe and machine learning techniques. Drowsy driving is one of the major causes of traffic accidents and poses a significant risk to road safety. Therefore, continuous monitoring of a driver's alertness level and early detection of drowsiness are of critical importance for accident prevention.In the proposed system, facial expressions and eye movements of drivers are analyzed through the mobile phone camera. The Google Mediapipe library is utilized for facial landmark detection, and blendshape features are extracted to numerically represent subtle facial expressions and movements. These blendshape vectors capture behavioral changes associated with drowsiness, such as eyelid closure, decreased mouth activity, and relaxed facial muscles.The extracted features are processed using machine learning algorithms to classify the driver's state as either `drowsy` or `alert.` Balanced datasets were used during model training and testing, and the system's performance was evaluated based on accuracy, sensitivity, and specificity metrics.This study introduces a mobile-based, low-cost, real-time drowsiness detection system with minimal hardware requirements. By leveraging blendshape-based facial analysis, the proposed method achieves high accuracy in identifying drowsiness and offers a practical and accessible solution that can contribute significantly to reducing traffic accidents caused by driver fatigue. |
