Tracking by classification
Sınıflandırma ile takip
- Tez No: 340968
- Danışmanlar: PROF. DR. ABDULLAH AYDIN ALATAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- 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: 83
Özet
Bu tezde, yeni çevrimiçi sınıflandırma yöntemleri ve bu yöntemlerin 2B görüntülerde takip uygulamaları analiz edildi. Son zamanlarda, sınıflandırma ile takip ya da tespit ile takip, olarak adlandırılan bir grup yöntem zorlu videolarda başarılı sonuçlar elde etti. Bu yöntemler takip sırasında hedefi arkaplandan ayırmak için çevrimiçi bir sınıflandırıcıyı eğitirler. Takibe hedefin ilk pozisyonu ve bir grup rastgele seçilmiş öznitelikle başlarlar. Daha sonra, takip algoritmasının son durumu ve mevcut kareden çıkarılan pozitif ve negatif örnekler kullanılarak, sınıflandırıcı kendi kendisini eğitir. Bu tezde, çevrim içi sınıflandırıcılardan birkaçı analiz edildi ve yeni bir hedef takip sistemi önerildi. Sınıflandırıcının marjını artırmak için bir öznitelik seçme yöntemi sunuldu ve bu yöntemin çalışıp çalışmadığı bir Monte Carlo testi ile gösterildi. Daha sonra, takip sırasında seçilen özniteliklerin başarısı saklı Markov modeli ile süzüldü. Saklı markov modelinin bir durumu örtüşmeleri çözmek için kullanıldı. Önerilen takip algoritması herkesin ulaşabileceği zorlu videolarda test edildi ve gerçek zamanda diğer algoritmalara üstünlük sağlayan bir başarım elde edildi.
Özet (Çeviri)
Novel online classifiers are examined and their applications on 2D visual tracking are analyzed in this study. Recently, an emerging class of methods, namely tracking by classification or tracking by detection, achieved quite promising results on challenging tracking data sets. These techniques train a classifier in an online manner during tracking to separate the object from its background. These methods only take input location of the object and a random feature pool; then, a classifier bootstraps itself by using the current tracker state and extracted positive and negative samples. In this thesis, several of these online classifiers are analyzed and a novel tracking system is proposed. A novel feature selection method is introduced to increase the discriminative power of the classifier and a Monte Carlo experiment is setup to observe the performance of the proposed technique. As a final step, a Hidden Markov Model (HMM) is utilized to filter the features that improve the performance during tracking. Moreover, a state of the proposed HMM is allocated to handle occlusions. The proposed tracker is tested on publicly available challenging video sequences and superior tracking results are achieved in real-time.
Benzer Tezler
- Context aware audio-visual environment awareness using convolutional neural network
Konvolüsyonel sinir ağı kullarak ses ve görüntü aracılığıyla ortam farkındalığı
GİRAY YILLIKÇI
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN
- Correlation smooting for DOA tracking subspace tracking by jacabi method and their performances in conjuction with music
Geliş yöünün izlemek için ilinti, düzleme jacobi yöntemi ile altuzay izleme ve bunların ÇSS ile başarımı
MUSTAFA KOŞAROĞLU
Doktora
İngilizce
1996
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YALÇIN TANIK
- Deniz gözetlemesi için hareketli hedef takip sistemi
Moving target tracking system for maritime surveillance
DOĞAN ADIGÜZEL
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ LALE ÖZYILMAZ
- Intelligent sensing and tracking applications for human machine interaction
İnsan makine etkileşimine yönelik akıllı algılama ve takip etme uygulamaları
MUHAMMET FATİH ASLAN
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AKİF DURDU
- Neuro classifiers for condition and bearing health assessment of an electric motor
Elektrik makinasında durum ve rulman sağlığı değerlendirmesi için nöro sınıflandırıcılar
MINA GHORBAN ZADEH BADELI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU BAYRAM KARA