PRJ-001 Aktif Proje Görüntü İstihbaratı

SSPY
Görüntüden
Konum Tespiti

Herhangi bir dış mekân fotoğrafından — hiçbir metadata olmadan — gerçek coğrafi koordinatları tespit eden yapay zeka destekli OSINT görüntü istihbarat sistemi. Fotoğraftaki bina mimarisi, bitki örtüsü türleri, güneş ışığı açısı, sokak tabelaları ve araç plakaları gibi onlarca görsel sinyali analiz ederek saniyeler içinde konum tahmini üretir.

Python 3.11 PyTorch CLIP OpenCV GeoPy OSINT
sspy — analiz motoru v2.4
$ sspy analyze --image target.jpg --deep
 Görüntü yüklendi [4032×3024 px]
 CLIP embedding hesaplanıyor... 512d
 Mimari stil: Akdeniz / Osmanlı geçiş
 Bitki örtüsü: Zeytin, defne → sıcak iklim
 Güneş açısı: 34.2° — güneydoğu yönü
 Tabela dili: Türkçe (Latin alfabe)
 Araç plakası: 07 serisi — Antalya
 Coğrafi referans tabanı sorgulanıyor...
 Konum tahmini tamamlandı
  lat 00.0000  lon 00.0000
  güven: 0% · mesafe hatası: ±2.3 km
Güven Skoru

Analiz Süreci

Ham görüntüden coğrafi koordinata dört adımda ulaşan deterministik analiz zinciri.

01 — Giriş

Görüntü Ön İşleme

OpenCV ile yüksek çözünürlüklü görüntü normalizasyonu, EXIF metadata temizleme, doku ve kenar haritası çıkarma. Gece/gündüz/sis koşullarına adaptif ön işleme.

02 — Embedding

CLIP Vektör Analizi

OpenAI CLIP modeli ile görüntüden 512 boyutlu anlamsal vektör çıkarma. Coğrafi referans veritabanındaki milyonlarca lokasyon vektörüyle kosinüs benzerliği hesaplama.

03 — Sınıflandırma

Çok Katmanlı Sinyal Füzyonu

Mimari stil, bitki örtüsü, iklim sınıfı, tabela dili, araç modelleri ve güneş açısından bağımsız olasılık dağılımları hesaplanır; Bayesian füzyon ile birleştirilir.

04 — Çıktı

Koordinat & Güven Tahmini

GPS koordinatı, tahmin yarıçapı ve güven skoru üretilir. Yanlış pozitif filtreleme için çapraz doğrulama katmanı çalışır. Sonuçlar GeoJSON veya sade metin olarak dışa aktarılır.

Neler Analiz Edilir?

SSPY, tek bir fotoğraftan altı farklı sinyal türünü eş zamanlı olarak işler.

Mimari & Bina Dokusu

Bina cephe malzemesi (taş, beton, ahşap), pencere/kapı oranları, çatı eğimi ve mimari dönem (Osmanlı, Kolonyal, Modern) coğrafi bölgeyi daraltır.

Katkı ağırlığı%34

Bitki Örtüsü & İklim

Ağaç türleri (zeytin, palmiye, ladin, huş), çalı yapısı ve yoğunluğu Köppe iklim sınıfına dönüştürülerek kıta ve enlem tahminine katkıda bulunur.

Katkı ağırlığı%22

Işık & Gölge Açısı

Güneş azimut ve yükseklik açısı hesaplanarak fotoğrafın çekildiği yaklaşık enlem ve yerel saat dilimi belirlenir. Mevsimsel ışık farkı da hesaba katılır.

Katkı ağırlığı%19

Sokak Altyapısı

Kaldırım döşeme deseni, aydınlatma direği tasarımı, trafik işareti renk standartları ve yol çizgi biçimleri ülke ve bölge tespitine katkı sağlar.

Katkı ağırlığı%13

Tabela & Yazı Analizi

Görüntüdeki metin OCR ile çıkarılır; alfabe türü (Latin, Kiril, Arap, Çin), dil tespiti ve marka/zincir mağaza tanımlama bölge tespitini kesinleştirir.

Katkı ağırlığı%8

Araç & Plaka Tanımlama

Araç modelleri (ülkeye özgü versiyonlar), direksiyon tarafı ve tespit edilebilen plaka formatları ülke ve kimi zaman bölge seviyesinde eşleştirme sağlar.

Katkı ağırlığı%4

Kullanılan Teknolojiler

Python 3.11
Çekirdek Dil
PyTorch 2.x
Derin Öğrenme
CLIP
Görüntü-Metin
OpenCV
Görüntü İşleme
Tesseract OCR
Metin Çıkarma
GeoPy
Coğrafi Hesap
NumPy
Vektör İşlemi
FastAPI
REST API
Docker
Konteyner
PostgreSQL
Referans DB
Redis
Önbellek
GDAL
Geo Kütüphane
İletişim