Bu çalışmanın amacı koronavirüsün yayılım hızını düşürmede önemli bir etkisi olan maske takma, sosyal mesafe ve kalabılık analizinin yapılmasıdır. Bu analiz için çalışmada derin öğrenme tabanlı yöntemler olan Evrişimli Sinir Ağları (ESA) ve YOLO mimari tasarımları kullanılmıştır. Maske tespitinin yapılması için yeni bir veri seti oluşturulmuştur. Oluşturulan veri seti ‘maskeli’ ve ‘maskesiz’ sınıflandırma işleminin yapılması için AlexNet, DenseNet, MobileNet, ResNet, ShuffleNet, SqueezeNet, VGG, Xception ve ZFNet gibi ESA mimari tasarımları ile kullanılmıştır. En iyi sınıflandırma performansını %96.86 doğruluk oranı ve %91.81 F1-skoru değeri ile DenseNet-121 mimari tasarımı elde etmiştir. Sosyal mesafe ve kalabalık analizi için çalışmada YOLOv3 algoritması ve COCO veri seti kullanılmıştır. Daha sonra maske sınıflandırması görevinde elde edilen ağırlık dosyası, Haar Cascade yüz sınıflandırıcı algoritması ile birlikte kullanılarak, sosyal mesafe ve kalabalık analizini sağlayan algoritmaya dahil edilmiştir. Sonuç olarak ise hem maske tespitini sağlayan hem de sosyal mesafe ve kişi sayısını hesaplayan tümleşik bir yazılım oluşturulmuştur.
Real Time Mask Detection, Social Distance and Crowd Analysis using Convolutional Neural Networks and YOLO Architecture Designs
