Termal ve yüksek çözünürlüklü kamera görüntülerinden derin öğrenme kullanılarak drone tespiti
Yükleniyor...
Dosyalar
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Düzce Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Dronelerin tehdit oluşturan kullanım faaliyetlerinde kayda değer bir artış gerçekleşmektedir. Tehdit oluşturan bu kullanımların yanı sıra oluşan durumlar ise her geçen büyüyen bir sorun haline gelmektedir. Bu durumlar sebebiyle drone faaliyetlerini oluşturan uçuş etkinliğinin tespit edilmesi ve tespit edilen uçuş etkinliğindeki olumsuz durumların belirlenmesi büyüyen sorun için çözüm niteliği taşıyacaktır. Bu tespit ve kestirim çalışmaları için derin öğrenme yöntemleri ile çalışma yapılmıştır. Literatürde yer alan sensör destekli tespit sistemlerinde akustik, termal ve radar çalışmalarından farklı olarak görüntü destekli bir sistem çalışması yapılmıştır. Bu çalışmada literatür çalışmalarında tespit başarısının düştüğü ve nesne tespitinin yapılamadığı durumlar ele alınarak termal ve yüksek çözünürlüklü standart kameradan eş açı ve zamanlama ile yapılan tespit faaliyetinde ortak bir noktada tespit faaliyeti çalışılmıştır. Çalışmadaki tespit faaliyetlerindeki başarı kriterleri için farklı hava koşulları, arka plan yoğunlukları ve karmaşıklıkların da toplanan veri seti ile Faster R-CNN, YOLOv4, v5 ve SSD ResNet derin öğrenme metotlarında karşılaştırmalı çalışmalar yapılmıştır. Uygulama üzerinde yapılan karşılaştırmalar ile görüntü boyut ve özelliklerinde göre en başarılı metodun belirlenmesi ile iyileştirilmiştir. İyileştirilerek elde edilen metot ile tespit nesnelerinin termal yoğunluğunun arka plan yoğunluğuna yakın olması durumunda yüksek çözünürlüklü standart kamera üzerinden desteklenerek, nesne ile benzer RGB değerli arka planın olması veya karmaşık bir arka planın yer alması durumlarda ise standart kamera termal kamera ile desteklenerek tespit başarısının artırılması sağlanmaktadır. Bu iki sistem desteği ile sağlanan ve başarısı arttırılan tespit sürecinde literatürde de sorun teşkil eden helikopter, uçak ve kuş gibi havada hareketlilik sağlayan nesnelerinde ayırt edilebilmesi için belirlenen metot üzerinde ayrıca eğitimi gerçekleştirilmiştir. Yapılan çalışma sayesinde hareketliliği ve sayısı sürekli artan dronelerin tespiti daha başarılı hale getirilmiştir.
There is a significant increase in the activity of the threatening use of drones. In addition to these threatening uses, the situations they create are becoming a growing problem. Due to these situations, the determination of the flight activity that creates the drone activities and the determination of the negative situations in the detected flight activity will be a solution for the growing problem. For these detection and estimation studies, deep learning methods were used. Different from acoustic, thermal and radar studies, an image-assisted system study has been carried out in sensor-assisted detection systems in the literature. In this study, by considering the cases where the detection success has decreased in the literature studies and the detection is not done, the detection activity at a common point in the detection activity made with the same angle and timing from the thermal and high-resolution standard camera has been studied. For the success criteria of detection activities in the study, comparative studies were carried out in Faster - RCNN, YOLOv4, v5 and SSD ResNet deep learning methods with the data set collected in different weather conditions, background densities and complexities. It has been improved by the comparisons made on the application and the determination of the most successful method according to the image size and features. With the improved method, in case the thermal density of the detection objects is close to the background density, it is supported by a high-resolution standard camera, and in cases where the object has a similar RGB value background or a complex background, the standard camera is supported with a thermal camera to increase the detection success. In the detection process, which is provided with the support of these two systems and whose success is increased, a separate training has been carried out on the determined method for distinguishing objects that provide mobility in the air such as helicopters, airplanes and birds, which also pose a problem in the literature. Thanks to the study, the detection of drones, whose mobility and number is constantly increasing, has been made more successful.
There is a significant increase in the activity of the threatening use of drones. In addition to these threatening uses, the situations they create are becoming a growing problem. Due to these situations, the determination of the flight activity that creates the drone activities and the determination of the negative situations in the detected flight activity will be a solution for the growing problem. For these detection and estimation studies, deep learning methods were used. Different from acoustic, thermal and radar studies, an image-assisted system study has been carried out in sensor-assisted detection systems in the literature. In this study, by considering the cases where the detection success has decreased in the literature studies and the detection is not done, the detection activity at a common point in the detection activity made with the same angle and timing from the thermal and high-resolution standard camera has been studied. For the success criteria of detection activities in the study, comparative studies were carried out in Faster - RCNN, YOLOv4, v5 and SSD ResNet deep learning methods with the data set collected in different weather conditions, background densities and complexities. It has been improved by the comparisons made on the application and the determination of the most successful method according to the image size and features. With the improved method, in case the thermal density of the detection objects is close to the background density, it is supported by a high-resolution standard camera, and in cases where the object has a similar RGB value background or a complex background, the standard camera is supported with a thermal camera to increase the detection success. In the detection process, which is provided with the support of these two systems and whose success is increased, a separate training has been carried out on the determined method for distinguishing objects that provide mobility in the air such as helicopters, airplanes and birds, which also pose a problem in the literature. Thanks to the study, the detection of drones, whose mobility and number is constantly increasing, has been made more successful.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control, Elektrik ve Elektronik Mühendisliği
