Segmentation-guided optical flow ıntegration for ship tracking in dynamic waters
Dinamik sular ortamında gemi takibi için segmentasyon rehberli optik akış entegrasyonu
- Tez No: 1005493
- Danışmanlar: PROF. DR. BURHAN PEKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Denizcilik ortamlarında çoklu gemi takibi; dinamik su yüzeyleri, kamera sürüklenmesi ve düşük hedef görünürlüğü nedeniyle hâlen önemli zorluklar içermektedir. YOLO ile DeepSORT'un birlikte kullanıldığı geleneksel tespit-tabanlı takip yaklaşımları, bu koşullar altında çoğu zaman performans kaybına uğramakta; parçalanmış yörüngeler ve kararsız kimlik eşleştirmeleri ortaya çıkmaktadır. Bu çalışmada, YOLOv11 tabanlı tespit ve segmentasyon çıktılarının optik akıştan elde edilen hareket ipuçlarıyla güçlendirildiği, segmentasyon rehberli ve akış farkındalığına sahip bir takip çerçevesi önerilmektedir. Önerilen yöntem üç temel bileşen içermektedir: (1) dalga etkileri ve arka plan karmaşasını bastırmak amacıyla KLT tabanlı seyrek optik akış vektörlerinin yalnızca gemi maskeleri içerisinde çıkarıldığı segmentasyon rehberli optik akış; (2) küresel sahne sürüklenmesi altında hareket kestirimlerini kararlı hâle getirmek için medyan arka plan akışının çıkarılmasına dayalı kamera hareketi telafisi; ve (3) görünüm benzerliği ile hareket tutarlılığını birleştiren ve DeepSORT eşleştirme aşamasına entegre edilen akış farkındalıklı ilişkilendirme maliyeti. Bu bileşenler, izleyicinin temel mimarisini değiştirmeden zamansal kararlılığı artırmaktadır. Önerilen yaklaşım; yoğun trafik, sis, gece sahneleri ve boş su ortamlarını kapsayan çeşitli koşullardaki seçilmiş denizcilik videoları üzerinde değerlendirilmiştir. Kararlılık odaklı vekil ölçütler ve video-bazlı MOT analizlerine dayanan deneysel sonuçlar, önerilen yöntemin geleneksel DeepSORT temel yaklaşımına kıyasla iz parçalanmasını belirgin biçimde azalttığını ve görsel tutarlılığı iyileştirdiğini göstermektedir. Ayrıca, özellikle yoğun trafik ve kamera hareketi içeren zorlu senaryolarda, makul bir hesaplama maliyeti karşılığında ek MOTA kazanımları elde edilmiştir. Bu bulgular, gerçek dünya denizcilik gözetim senaryolarında sağlam gemi takibi için segmentasyon rehberli hareket ipuçlarının etkinliğini ortaya koymaktadır
Özet (Çeviri)
Multi-object ship tracking in maritime environments remains challenging due to dynamic water surfaces, camera drift, and low target visibility. Conventional tracking-by-detection pipelines—such as YOLO combined with DeepSORT—often degrade under these conditions, leading to fragmented trajectories and unstable identity association. In this work, we propose a segmentation-guided, flow-aware tracking framework that enhances YOLOv11-based detection and segmentation with motion cues derived from optical flow. The proposed method introduces three key components: (1) segmentation-guided sparse optical flow, where KLT motion vectors are extracted only within ship masks to suppress disturbances from waves and background clutter; (2) camera-motion compensation via median background flow subtraction to stabilize motion estimates under global scene drift; and (3) a flow-aware association cost integrated into DeepSORT that combines appearance similarity with motion consistency. These components improve temporal stability without altering the underlying tracker architecture. We evaluate the approach on a curated set of maritime videos spanning diverse conditions, including heavy traffic, fog, night scenes, and empty-water cases. Experimental results based on stability-oriented proxy metrics and per-video MOT analyses demonstrate that the proposed method substantially reduces track fragmentation and improves visual consistency compared to the legacy DeepSORT baseline, with additional MOTA gains observed in challenging crowded and camera-motion scenarios, at a moderate computational overhead. These findings highlight the effectiveness of segmentation-guided motion cues for robust ship tracking in real-world maritime surveillance scenarios.
Benzer Tezler
- Optical disk segmentation in human retina images with golden eagle optimizer
Golden eagle optımızer ile insan retina görüntülerinde optik disk segmentasyonu
ZAHRAA DAWOOD SALMAN AL-GBURI
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
Assist. Prof. Dr. SEFER KURNAZ
- PC Based optical character recognition
PC'ye dayalı optik karakter tanıma
ABDULKADİR ÜÇÜNCÜ
Yüksek Lisans
İngilizce
1995
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiY.DOÇ.DR. M. METE BULUT
- Motion segmentation aided super resolution image reconstruction
Başlık çevirisi yok
MUHARREM MERCİMEK
Doktora
İngilizce
2013
Elektrik ve Elektronik MühendisliğiThe Unıversıty Of TennesseeDR. MONGI A. ABIDI
- Osmanlıcadan modern Türkçeye uçtan uca aktarım sistemi
End-to-end conversion system from Ottoman to modern Turkish
İSHAK DÖLEK
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ATAKAN KURT
- Pazarlama araştırmalarında optimal ölçekleme yöntemleri ve uygulanaları
Optimal scaling methods in marketing research and application
BAHAR ÇELİK
Yüksek Lisans
Türkçe
1997
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURÇ ÜLENGİN