Efficient detection and tracking of salient regions for visual processing on mobile platforms
Hareketli platformlarda görsel işlemede kullanilmak üzere dikkat çekici bölgelerin verimli bir şekilde çikarilmasi ve takip edilmesi
- Tez No: 255431
- Danışmanlar: YRD. DOÇ. DR. AFŞAR SARANLI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Bilgisayarla görme, Görme algısı, Görsel bilgi, Görüntü analizi, Görüntü dizisi, Görüntü işleme, Görüntü işleme-bilgisayarlı, Takip algoritmaları, Computer vision, Visual perception, Visual information, Image analysis, Image sequence, Image processing, Image processing-computer assisted, Tracking algorithms
- Yıl: 2009
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Görsel Dikkat, görüntü işleme ve bilgisayarla görme alanlarında günden güne yeni uygulama alanları bulan ilginç bir konudur. Temel fikir, resim üzerindeki görsel olarak dikkat çekici bölgeleri bulmaktır. Bu tezde, hareketli platformların görsel sistemlerinden gelen videolar üzerinde görsel olarak dikkat çekici bölgeler tespit ve takip edilmiştir. İlk olarak, her karede dikkat çekici bölgeler bulunmuş ve her biri için bir özellik vektörü çıkarılmıştır. Daha sonra, daha kararlı özellikler çıkarmak için bu bölgelere SIFT algoritması uygulanmıştır. Ardışık karelerin dikkat çekici bölgeleri, özellik vektörlerini kullanarak eşleştirilmiş ve böylece takip etme işlemi gerçekleştirilmiştir. Daha sonra, SIFT noktaları eşleştirilmiş ve eşlenen çiftlerden yer değişimi miktarları hesaplanmıştır. SIFT algoritmasının sadece görsel olarak dikkat çekici bölgelere sınırlandırılması işlem yükünü ciddi anlamda azaltmıştır. Buna ek olarak verimliliği arttırmak için, video boyunca dikkat çekici bölge bulma işlemi de daha önceden belirlenmiş bölgelere sınırlandırılmıştır. Son olarak, görsel dikkat kanalları bölgenin en baskın görsel dikkat kanalına sınırlandırılmıştır. Algoritma çıktılarını gerçek verilerle kıyaslayan deney sonuçlarına göre, önerilen algoritma kabul edilebilir bir işlem yüküne ve iyi bir takip etme performansına sahiptir. Yerde giden araçların ve robotların tipik özelliği olan bulanık video görüntülerinde ve kontrolsüz ortam videolarında dahi umut vadeden sonuçlar elde edilmiştir.
Özet (Çeviri)
Visual Attention is an interesting concept that constantly widens its application areas in the field of image processing and computer vision. The main idea of visual attention is to find the locations on the image that are visually attractive. In this thesis, the visually attractive regions are extracted and tracked in video sequences coming from the vision systems of mobile platforms. First, the salient regions are extracted in each frame and a feature vector is constructed for each one. Then Scale Invariant Feature Transform (SIFT) is applied only to the salient regions to extract more stable features. The tracking is achieved by matching the salient regions of consecutive frames by comparing their feature vectors. Then the SIFT points of salient regions are matched to calculate the shift values for the matched pairs. Limiting the SIFT application to only the salient regions results in significantly reduced computational cost. Moreover, the salient region detection procedure is also limited to the predetermined regions throughout the video sequence in order to increase the efficiency. In addition, the visual attention channels are limited to the most dominant features of the regions. Experimental results that compare the algorithm outputs with ground-truth data reveal that, the proposed algorithm has fine tracking performance together with acceptable computational cost. Promising results are obtained even with blurred video sequences typical of ground vehicles and robots and in an uncontrolled environment.
Benzer Tezler
- Deep learning approaches for multiple sclerosis lesion segmentation using multi-sequence 3D MR images
Çok sekanslı 3B MR görüntüleri kullanılarak multiple skleroz lezyon bölütlemesi için derin öğrenme yaklaşımları
BEYTULLAH SARICA
Doktora
İngilizce
2023
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- 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
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- An efficient moving vehicle detection in traffic surveillance using machine learning technique
Makine öğrenimi tekniği kullanarak trafik gözetiminde etkin hareketli araç tespiti
MOHASAD SAED KHUDER AL-GORAERY
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. MESUT ÇEVİK
- Fiducial marker detection and identification for individual honey bee tracking using cascaded deep learning models
Ardışık derin öğrenme modelleri kullanarak bireysel arı takibi için güvenilir işaretçi tespiti ve çözümlenmesi
MUSTAFA YAVUZ KARA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HANDE ALEMDAR
- Target detection and tracking from unmanned aerial vehicle cameras using embedded GPU
Gömülü cihazlar kullanarak insansız hava araçları üzerinden hedef tespit ve takibi
FIRAT MEHMETOĞLU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YAHYA KEMAL BAYKAL