Derinlik kameralarından elde edilen insan edimlerinin uzam-zamansal analizi
Spatiotemporal analysis of human actions using rgb-d cameras
- Tez No: 394261
- Danışmanlar: PROF. DR. FERİDE AYTÜL ERÇİL, DR. CEYHUN BURAK AKGÜL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
Özet
İşaretleyicisiz insan hareket analizinin, hareket tanıma ve vücut poz tahmini için verimli maliyete sahip çözüm sunma potansiyeli vardır. İnsan-bilgisayar etkileşimi, video gözetlemesi, içerik tabanlı video indeksleme, ve otomatik açıklama da dahil olmak üzere birçok uygulama, bu güçlü çözümden yararlanacaktır. Geleneksel video doğasındaki çeşitli belirsizlikler sebebiyle çok zor olarak kabul edilen otomatik görüntü tabanlı insan hareketi tanıma sorunu, son yıllardaki derinlik algılama teknolojileri sayesinde olumlu değişiklikler gösterdi. Bu çalışmada, ilk olarak değişmeyen spatiotemporal özellikli büyük bir set, hareket halindeki iskelet eklemlerinden (derinlik sensöründen alınan) elde edilir ve temel performans olarak değerlendirilmektedir. Sonra, bir lineer SVM sınıflandırıcı ile kombine edildiğinde etkileyici hareket tanıma performansına ulaşma kapasitesine sahip bir ayrımcı Rastgele Karar Ormanı tabanlı özellik seçimi çatısı tanıttık. Bu yaklaşım özellik kümesi önemli ölçüde daha az sayıda (orijinalin onda biri) kullanarak tüm özellik kümesini kullanarak elde edilen temel performansa üstünlük sağlar. Bu yaklaşım aynı zamanda insan hareketlerinin mekan-zamansal dinamikleri üzerinde fikir edinmek için kullanılabilir. Yeni bir tedavi edici hareket tanıma veri kümesi (WorkoutSU-10) sunulmuştur. Önerilen yöntemlerimizin güvenilirliğini değerlendirmek için testlerimizde bir kriter olarak bu veri kümesinden yararlandık. Yakın geçmişte, veri kümesi hareket tanıma toplumuna bir katkı olmak üzere kamuya yayınlanmıştır. Buna ek olarak, yaşlı insanlardaki 'düşüş algılama' gibi gerçek hayat problemlerine veya motor engelli hastalar için otomatik terapi programına yardımcı olmak için sunulan yöntemler kullanılarak interaktif bir hareket değerlendirme uygulaması geliştirilmiştir.
Özet (Çeviri)
Markerless human motion analysis has strong potential to provide cost-efficient solution for action recognition and body pose estimation. Many applications including human-computer interaction, video surveillance, content-based video indexing, and automatic annotation among others will benefit from a robust solution to this problem. Depth sensing technologies in recent years have positively changed the climate of the automated vision-based human action recognition problem, deemed to be very difficult due to the various ambiguities inherent to conventional video. In this work, first a large set of invariant spatiotemporal features, is extracted from skeleton joints (retrieved from depth sensor) in motion and evaluated as baseline performance. Next we introduce a discriminative Random Decision Forest-based feature selection framework capable of reaching impressive action recognition performance when combined with a linear SVM classifier. This approach improves upon the baseline performance obtained using the whole feature set with a significantly less number of features (one tenth of the original). The approach can also be used to provide insights on the spatiotemporal dynamics of human actions. A novel therapeutic action recognition dataset (WorkoutSU-10) is presented. We took advantage of this dataset as a benchmark in our tests to evaluate the reliability of our proposed methods. Recently the dataset has been published publically as a contribution to the action recognition community. In addition, an interactive action evaluation application is developed by utilizing the proposed methods to help with real life problems such as `fall detection? in the elderly people or automated therapy program for patients with motor disabilities.
Benzer Tezler
- Isometric correspondence estimation and symmetry detection on point clouds acquired by depth cameras
Derinlik kameralarından elde edilen nokta kümeleri üzerinde izometrik eşleme ve simetri bulma
EMEL KÜPÇÜ
Doktora
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. YÜCEL YEMEZ
- Obstacle avoidance with object detection using 3-D stereo cameras for indoor mobile robots
Gezgin robotlar için iç mekanlarda 3-B stereo kameraya dayalı nesne tespiti ile engellerden kaçınma
MOHAMMAD M. T. MOHAMMAD
Yüksek Lisans
İngilizce
2020
Mekatronik MühendisliğiBahçeşehir ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET BERKE GÜR
- Yürüyen robotlar için bir çift kamera ile elde edilen görüntülerden cisimlerin konum bilgilerinin elde edilmesi
The position determination of the objects from images taken by a pair of camera for walking robots
CAFER SİNAN KATI
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HİKMET KOCABAŞ
- Stereo görüntülemede renk değişmezleri ve ampirik kip ayrışımı kullanılarak derinlik kestirimi
Depth estimation by using color invariants and empirical mode decomposition in stereo vision
YILMAZ ÜRGÜN
Yüksek Lisans
Türkçe
2009
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. SARP ERTÜRK
- Manipulation of visually recognized objects using deep learning
Görsel tanınan nesnelerin derin öğrenme kullanarak hareket ettirilmesi
ERTUĞRUL BAYRAKTAR
Doktora
İngilizce
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR BOYRAZ