Geri Dön

Comparison of histograms of oriented optical flow based action recognition methods

Optik akı histogramı bazlı eylem tanıma yöntemlerinin karşılaştırılması

  1. Tez No: 318850
  2. Yazar: FIRAT ERCİŞ
  3. Danışmanlar: DOÇ. DR. İLKAY ULUSOY PARNAS
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2012
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 96

Özet

Eylem tanıma için videodan çıkartılan hareket özellikleri yaygın olarak kullanılmaktadır. Bu çalışmada Optik Akı Yon Histogramı tabanlı olmak üzere 3 farklı yöntem gerçeklenmiştir. Video üzerinden optik akı vektörleri çıkartılmıs¸ bu vektörler açı değerlerine göre histogramlanmıştır. Yerel hareketleri yakalamak için öznenin bulunduğu dikdörtgen ızgaralara bölünmüs¸, her ızgaranın içerisindeki hareketin histogramı peş peşe eklenerek her kare için tek bir özellik vektörü elde edilmiştir. Bu özellik vektörleri, ¨öbeklemeli Saklı Markov Modeli, öbeklemeli K Yakın Komşu ve Ortalama Histogram olmak üzere 3 farklı alternatif sınıflandırma sistemine girilmiştir. Sonuçlar Weizmann ve KTH veri setlerinde denenmiştir.

Özet (Çeviri)

In the task of human action recognition in uncontrolled video, motion features are used widely in order to achieve subject and appearence invariance. We implemented 3 Histograms of Oriented Optical Flow based method which have a common motion feature extraction phase. We compute an optical flow field over each frame of the video. Then those flow vectors are histogrammed due to angle values to represent each frame with a histogram. In order to capture local motions, The bounding box of the subject is divided into grids and the angle histograms of all grids are concetanated to obtain the final motion feature vector. Motion Features are supplied to 3 dierent classification system alternatives containing clustering combined with HMM, clustering with K-nearest neighbours and average histograms methods. Three methods are implemented and results are evaluated over Weizmann and KTH datasets.

Benzer Tezler

  1. Vision based behavior recognition of laboratory animals for drug analysis and testing

    İlaç çözümlemesi ve testi için laboratuar hayvanlarının davranışlarının görü tabanlı tanınması

    SELÇUK SANDIKCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. A. BÜLENT ÖZGÜLER

    YRD. DOÇ. DR. PINAR DUYGULU ŞAHİN

  2. Pose sentences: A new representation for understanding human actions

    Poz cümleleri: İnsan aktivitelerini anlamak için yeni bir tanım

    KARDELEN HATUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent Üniversitesi

    Bilgisayar Mühendisliği Bölümü

    YRD. DOÇ. DR. PINAR DUYGULU

  3. Yere nüfuz eden radar görüntülerinde morfolojiık bileşen analizi yöntemi ile kargaşa giderme

    Clutter reduction in ground penetrating radar images using morphological component analysis

    EYYUP TEMLİOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. IŞIN ERER

  4. Color image segmentation: Multithresholding and constraint satisfaction methods

    Renkli imge bölütleme: Çoklueşikleme ve kısıt sağlama metodları

    FATİH KURUGÖLLÜ

    Doktora

    İngilizce

    İngilizce

    2000

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı

    PROF. DR. A. EMRE HARMANCI

  5. Evrişimli sinir ağı özelliklerine dayanan korelasyon filtreleme ve veri ilişkilendirme ile çoklu nesne takibi

    Multiple object tracking with data association and correlation filter based on convolutional neural network features

    ELNURA ARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Uludağ Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CEYDA NUR ÖZTÜRK