Baykal, Yahya KemalMehmetoğlu, Fırat2025-06-052025-06-052024https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=cr4SkWLaRMhkDRBjqthpsfOP4sZQD_KA66kYfXkpV-MCiP_thSTirqwj99cv0NZuhttps://hdl.handle.net/20.500.12416/10000Gözetleme alanında kameralı hava araçları yaygın olarak kullanılmaktadır. Bu gözetleme sistemlerinin çoğu, objeleri iki aşamada izler: önce nesneleri tespit edip tanır, sonra ise canlı video akışında bu nesneleri takip etmektedir. Bununla birlikte, günümüzde nesne tespit algoritma yazılımları genellikle büyük görüntü veri seti ile eğitilen derin öğrenme mimarileri kullanan yüksek matematiksel hesap gücüne sahip ve GPU içeren sistem mimarilerinde çalışmaktadır. Ayrıca, nesne takibinde öznitelik eşleştirme ve ilişkilendirme yönetimleri sistemlere çok daha fazla hesap gücü yükler ve bu da gerçek zaman performansını etkiler. Görüş tabanlı nesne algılama ve hedef takibi, büyük alan gözetleme uygulamalarında zemindeki hedefleri nesneleri tespit ve takibinin yapılması için gereklidir. Bununla birlikte, bu insansız hava uçakları (İHA), yerden çok yüksek irtifada çalıştıkları için yerdeki nesneler çok küçük gözükmektedir. Bu nedenle, bu küçük yer nesnelerini tanıyabilen ve özellikleri derinlemesine tarayabilen hassas bir nesne tespit mimarisi gereklidir. Ayrıca, derin öğrenme mimarisini kullanan CNN tabanlı nesne tespit modelleri, detaylı hesaplamalar ve matematiksel işlemler sebebiyle gömülü platformlarda çalışmak için zordur. Bu tez çalışmasında, nesne tespit ve takip sistemlerinin performansını etkileyebilecek yukarda belirtilen sorunları detaylı olarak araştırdık. Hedef tespitindeki sorunlardan birkaçı nesne boyutlarına sahip geniş IHA veri setlerinin olmaması, parlaklık, hava aracından alınan görüntülerde şekil ve doku özelliklerindeki değişkenliktir. Nesne takibinde ise derin öğrenme yöntemlerindeki yüksek işlem karmaşıklığı ve hesaplamalarının sebep olduğu performans problemleri doğruluk sonucunu etkilemektedir. Bu tezin amacı, NVIDIA JETSON AGX XAVIER gömülü platformunda hedef tespit modeli olan YOLOv4 ve hedefin takip edilmesinde RNN modelini kullanarak gömülü sistemlerde model optimizasyonu yaklaşımıyla etkin, hızlılık oranı yüksek bir şekilde çalışabilen gündüz ve gerçek zamanlı bir hedef tespit ve takip sisteminin tasarlanmasıdır.In surveillance, camera aerial vehicles are a common tool. The majority of these surveillance systems follow things in two phases: they identify and detect their targets first, and then they follow them in the live video feed. However, modern object identification methods often use deep learning models trained on massive picture datasets and operate on GPU powered platforms with tremendous processing capacity. Additionally, managing feature matching and association in object tracking introduces additional activities into the system, hence impacting the system's real-time performance. For wide area surveillance (WAS) applications, vision-based object recognition and target tracking is crucial for identifying and following things on ground targets. But since these unmanned aerial vehicles (UAVs) fly so far above the ground, they distort the size of things on the ground. Consequently, it is necessary to have a sensitive object detection detector that can identify these minute ground objects and thoroughly scan characteristics. Furthermore, since CNN based object detectors use deep learning and need a lot of computing and mathematical modeling, they might be difficult to use on embedded devices. The before mentioned issues that may impact object identification and tracking system performance were thoroughly investigated in this thesis. The absence of extensive UAV datasets including object size, brightness, and diversity in form and texture details in the photos captured from airplanes is one of the issues with target identification. Accuracy in object tracking is impacted by performance problems brought on by deep learning approaches' high computational complexity. This thesis uses the RNN model for target tracking and the YOLOV4 target detection model in embedded devices like the NVIDIA JETSON AGX XAVIER to design an efficient, quick, daytime, and real-time target detection and tracking system that can operate quickly and efficiently with the model optimization approach in embedded systems.enElektrik ve Elektronik MühendisliğiElectrical and Electronics EngineeringMaster Thesis85858793