Geri Dön

Visual tracking with motion estimation and adaptive target appearance model embedded in particle filtering

Görsel hedeflerin parçacık filtrelemesi içine gömülmüş hız tahmini ve adaptif hedef görüntüsü modeli ile izlenmesi

  1. Tez No: 176849
  2. Yazar: ERKAN BAŞER
  3. Danışmanlar: PROF. DR. MÜBECCEL DEMİREKLER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Görsel Hedef İzleme, Parçacık Filtrelemesi, Adaptif HedefGörüntüsü Modeli, Hız Tahmini, Rao-Blackwellized Parçacık Filtrelemesi, Visual Tracking, Particle Filtering, Adaptive Target Appearance Model, Motion Estimation, Rao-Blackwellized Particle Filtering
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Elektrik-Elektronik Eğitimi Ana Bilim Dalı
  13. Sayfa Sayısı: 113

Özet

Bu tezde görsel hedef takip uygulamaları için parçacık filtrelemesine çalışıldı. SıralıMonte Carlo metotları veya parçacık filtrelemesi hedef izleme problemi doğrusalolmayan ve/veya Gaussian olmayan bir durum uzayına sahip olduğunda probleminçözümünü yaklaşık olarak yapan yöntemlerdir. Ayrıca bu çalışmada görsel hedefizleyicinin hedefin görüntüsünde meydana gelen değişimlere ve beklenmedik hedefhareketlerine karşı daha dirençli olması amacıyla adaptif hedef görüntüsü ve birincidereceden hız tahmini yapan kestirici de parçacık filtrelemesi içine gömülmüştür.Bundan başka hız tahmini sırasında hedefe ait olmayan piksellerin tahmindoğruluğunu en az derecede etkilemesi için bu piksellere karşı duyarlı olmayankestiriciler kullanmıştır.Bu tez kapsamında [5]'te önerilen görsel hedef takip algoritması yazılıp uygulanmışayrıca aynı problem Rao-Blackwellized parçacık filtrelemesi ile çözülmeyeçalışılmıştır. Algoritmayı geliştirme esnasında karşılaşılan problemlerin çözümüiçin örneğin, hız tahmininde öğrenme katsayısının kullanımı ve yapılan tahminlerinönceden belirlenen değerler ile geçerleşmesi gibi bağzı iyileştirmeler yapılmıştır.Yazılan algoritmanın etkinliğini ve sağlamlığını göstermek amacıyla hem içortamda hem de dış ortamda bir çok deney yapılmıştır. Deneysel sonuçlargöstermiştir ki yazdığımız hedef izleyici çoğu zaman başarı ile seçilen hedefiizlemiştir. Diğer taraftan bu hedef izleyicinin eksikleri gösterilip bunların nasılortadan kaldırılacağı da açıklanmıştır.

Özet (Çeviri)

In this thesis we study Particle Filter for visual tracking applications. The sequentialMonte Carlo methods or Particle Filter provides approximate solutions when thetracking problem involves non-linear and/or non-Gaussian state space models. Alsoin this study, in order to make the visual tracker robust against change in targetappearance and unexpected target motion, an adaptive target appearance model anda first order motion estimator are embedded in particle filtering. Additionally, sincepixels that don?t belong to target makes the motion estimation biased, the algorithmincludes robust estimators to make the tracker reliable.Within the scope of this thesis the visual tracker proposed in [5] is implemented andthe same problem is solved by proposing a Rao-Blackwellized Particle Filter. Todeal with problems encountered during the implementation phase of the algorithmsome improvements are made such as utilizing learning rate for the computation ofadaptive velocity estimation. Moreover, some precautions are taken such aschecking the velocity estimations to validate them.Finally, we have done several experiments both in indoor and outdoor environmentsto demonstrate the effectiveness and robustness of the implemented algorithmExperimental results show that most of the time the visual tracker performs well.On the other hand the drawbacks of the implemented tracker are indicated and weexplain how to eliminate them.

Benzer Tezler

  1. Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme

    Integration of bayesian filtering and deep object detection for video object tracking

    FİLİZ GÜRKAN GÖLCÜK

    Doktora

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL KALYONCU

  2. Kamera görüntülerinden otonom bir aracın konumunun ve yönünün belirlenmesi

    Determining the position and orientation of an autonomous vehicle from the camera images

    NURGÜNEŞ ÖNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik MühendisliğiAtatürk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. BÜLENT ÇAVUŞOĞLU

  3. A video surveillance system based on interacting multiple models

    Etkileşimli çoklu modellere dayalı video gözetim sistemi

    CEREN SARITAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik MühendisliğiYeditepe Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    DOÇ. DR. CEM ÜNSALAN

  4. Visual tracking with group motion approach

    Grup hareketi yaklaşımı ile görsel izleme

    ALİ ERKİN ARSLAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜBECCEL DEMİREKLER

  5. Digital video stabilization with SIFT flow

    SIFT akışı ile sayısal video sabitleme

    İNCİ MELİHA BAYTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. MELİH PAZARCI