Yapay Zekâ & AIÖne Çıkan Çalışma
SafeStep — Yapay Zekâ & Derin Öğrenme Tabanlı Düşme Tespiti
TÜBİTAK 2209-A Lisans Öğrencileri Araştırma Projeleri Desteği kapsamında geliştirilen SafeStep yapay zekâ sistemi. Derin öğrenme ve makine öğrenmesi algoritmalarını birleştirerek kamera görüntülerinden düşme hareketlerini %97.02 doğrulukla algılar ve acil kişilere 20 saniyelik olay kaydı iletir.
Çözülen Problem
Kamera görüntülerinden düşme hareketlerini derin öğrenme ve makine öğrenmesi modelleriyle yüksek doğrulukla algılamak, günlük hareketlerden ayrıştırarak anlık acil durum ikazı üretmek.
Projedeki Rolüm & Sorumluluğum
Yapay Zekâ & Derin Öğrenme Mimarı (Veri Ön İşleme, YOLO11 İnsan Bölgesi Tespiti, MobileNetV2 Özellik Vektörü & SVM Sınıflandırıcı Eğitimi)
Teknik Ekran Görüntüsü / Sistem Mimarısıproject-safestep-tubitak
Doğruluk (Accuracy)
%97.02
F1-Score
%94.24
Yapay Zekâ Mimarisi
YOLO + MobileNet + SVM
Karşılaşılan Mühendislik Zorlukları
- Günlük hareketler (eğilme, oturma) ile gerçek insan düşme anlarının derin öğrenme modeliyle yüksek doğrulukla ayrıştırılması
- Kamera görüntüsünde arka plan gürültüsünü engellemek için insan bölgesinin YOLO11 ile anlık kırpılması
- Eğitilen yapay zekâ modeli düşme algıladığında 20 saniyelik olay kaydının bulut servisi üzerinden iletilmesi
Çözüm Yaklaşımı & Uygulama
- YOLO11 nesne algılama modeliyle kamera karesinden insan bölgesi tespit edilerek kırpıldı.
- MobileNetV2 ile derin özellik vektörleri çıkarıldı ve SVM / Random Forest sınıflandırıcıları karşılaştırarak en yüksek F1 skoruna ulaşıldı.
- Düşme doğrulandığında 15 saniyelik görsel ve sesli iptal geri sayımı tetiklendi, iptal edilmezse acil kişilere bildirim gönderildi.
Sistem Mimarisi Öne Çıkanları
- YOLO11 insan bölgesi tespiti ve MobileNetV2 özellik çıkarım mimarisi
- SVM sınıflandırıcı entegrasyonu ile düşme ve normal hareket ayrımı
- Düşme anında 20 saniyelik otomatik video kaydı ve bulut konum bildirimi
Kullanılan Teknolojiler
Yapay ZekâDerin ÖğrenmePyTorchYOLO11MobileNetV2SVMMakine ÖğrenmesiTÜBİTAK 2209-A