Shape based detection and classification of vehicles using omnidirectional videos
Tümyönlü videolar kullanarak şekil tabanlı araç tespiti ve sınıflandırması
- Tez No: 405181
- Danışmanlar: YRD. DOÇ. YALIN BAŞTANLAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2015
- Dil: İngilizce
- Üniversite: İzmir Yüksek Teknoloji Enstitüsü
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Tümyönlü videolarda araç tespiti ve sınıflandırması için, hareketli nesnenin arkaplan ayırması sonucu elde edilen şekline (siluetine) dayanan bir yöntem önerilmiştir. Diğer şekil tabanlı sınıflandırma yöntemlerden farklı olarak, ardışık video karelerinden elde edilen bilgiden yararlanılmıştır. Bu amaçla, iki farklı yaklaşım incelenmiştir. İlki, video karelerinden elde edilen siluetleri birleştirerek bir ortalama siluet oluşturmak iken, diğeri ise her bir kare için ayrı karar verilmesi ve bu kararların konsensusunun kullanılmasıdır. Çoklu çerçevelerin kullanılması, tek bir video karesinden elde edilen bozuk siluetten kaynaklanan yanlış kararların çoğunu elemektedir. Sınıflandırılan araç tipleri; motosiklet, binek araç ve dolmuştur. Siluetlerden çıkarılan öznitelikler; dışbükeylik, uzanım, dikdörtgensellik ve Hu momentleridir. Üç ayrı sınıflandırma yöntemi uygulanmıştır. İlki, akış şeması tabanlı yöntem, ikincisi K en yakın komşu ve üçüncüsü ise derin yapay sinir ağı sınıflandırmasıdır. Veri kümesindeki örneklerin %60'ı eğitim için kullanılmıştır. Rastsallaştırmayı sağlamak için, tüm veri seti, farklı eğitim ve test kümesi olmak üzere deney üç kere tekrarlanmıştır. Sonuçlar, çoklu çerçevelerdeki siluetleri kullanmanın, tek bir karedeki silueti kullanmaya göre daha başarılı olduğunu göstermektedir.
Özet (Çeviri)
To detect and classify vehicles in omnidirectional videos, an approach based on the shape (silhouette) of the moving object obtained by background subtraction is proposed. Different from other shape based classification techniques, the information available in multiple frames of the video is exploited. Two different approaches were investigated for this purpose. One is combining silhouettes extracted from a sequence of frames to create an average silhouette, the other is making individual decisions for all frames and use consensus of these decisions. Using multiple frames eliminates most of the wrong decisions which are caused by a poorly extracted silhouette from a single video frame. The vehicle types which are classified are motorcycle, car (sedan) and van (minibus). The features extracted from the silhouettes are convexity, elongation, rectangularity, and Hu moments. Three separate methods of classification is applied. The first one is a flowchart based (i.e. rule based) method, the second one is K nearest neighbor classification, and the third one is using a Deep Neural Network. 60% of the samples in the dataset are used for training. To ensure randomization, the procedure is repeated three times with the whole dataset split each time differently into training and testing samples (i.e. three-fold cross validation). The results indicate that using silhouettes in multiple frames performs better than using single frame silhouettes.
Benzer Tezler
- Görüntü işleme yöntemleri kullanarak araç marka ve modelinin tespit edilmesi
Detection vehicle brand and model using image processing methods
MEHMET FURKAN KUNDURACI
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
DOÇ. DR. HUMAR KAHRAMANLI ÖRNEK
- Kavşak ve karayollar için gerçek zamanlı görü tabanlı trafik akış bilgisi hesaplama sistemlerinin geliştirilmesi
Development of real-time vision based traffic flow information estimation systems for intersection and highways
JAHONGIR AZIMJONOV
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ÖZMEN
- Derin öğrenme tabanlı yöntemler ile GPR görüntülerinde obje tespiti
Object detection in GPR images with deep learning based methods
ORHAN APAYDIN
Yüksek Lisans
Türkçe
2023
Jeofizik Mühendisliğiİstanbul Teknik ÜniversitesiJeofizik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TURGAY İŞSEVEN
- Deep convolutional neural network based broken magnet detection of PMSM using finite element analysis
Sonlu elemanlar analizi kullanarak PMSM'nin derin dönüşümlü sinir ağı tabanlı kırık mıknatıs tespiti
AMIN GHAFOURI MATANAGH
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH BARIŞ ÖZTÜRK
- Sürücü destek sistemleri için yeni yol ve işaret tanıma yöntemleri
New road and sign recognition methods for driver assistance systems
GÜLCAN YILDIZ
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR DİZDAROĞLU