Visual object tracking using co-difference features
Ortak fark öznitelikleri kullanarak görsel nesne takibi
- Tez No: 470048
- Danışmanlar: PROF. DR. AHMET ENİS ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 79
Özet
Görsel nesne takibi, gözetlemeden tıbbi çalışmalara kadar birçok alanda geniş bir uygulama alanına sahip, yaygınca çalışılan bilgisayarla görü alanlarından birisi olmuştur. Literatürde problemin çözümüne yönelik farklı yaklaşımlar sergilenmektedir. Bazıları, nesnenin görüntü üzerindeki konumunu bulmak için bir görüntü modelinin oluşturulup kullanıldığı üretici yöntemleri kullanırken, diğerleri nesne ve arkaplanı iki ayrı sınıf olarak modelleyerek takip işlemini ikili sınıflandırma problemine dönüştüren ayırıcı yaklaşımları kullanmaktadır. Bu çalışmada, ortak-fark matrisine dayalı yeni bir nesne takip algoritması sunuyor ve bu algoritmanın performansını iki farklı uygulama üzerinde güncel takip algoritmaları ile karşılaştırıyoruz. Geniş bir veri seti ile yapılan deneyler, sunduğumuz ortak-farka dayalı obje takip algoritmasının takip koruma, başarı oranı ve konumlandırma hassasiyeti yönlerinden başarılı sonuçlar verdiğini göstermiştir. Sunulan algoritma, imge betimleyici olarak ortak-fark matrisini kullanmaktadır. Ortak-fark özniteliklerinin çıkarılması yaygınca bilinen kovaryans metoduna benzemektedir. Ancak, vektör çarpım operatörü, çarpma işlemi içermeyecek şekilde tanımlanmıştır. Bu yeni operatör, gerçek zamanlı nesne takip uygulamaları için işlemsel olarak verimli bir çözüme imkan vermiştir. Deneylerimizde kullanmak üzere, görsel nesne takibi için işaretlenmiş 70000'den fazla imgeyi içeren bir karşılaştırma altyapısı oluşturduk. Deneylerimizi iki farklı uygulama alanı için ayrı ayrı gerçekleştirdik. İlk ugulama alanı kızılötesi gözetleme sistemleriydi. Bu uygulama için, insanlar, arabalar ve askeri araçlar gibi çeşitli nesneleri içeren bir termal görüntü veri seti kullandık. İkinci uygulama alanı hızlı çekim mikroskop görüntülerinde hücre takibiydi. Bu uygulama için kullanılan görüntü dizileri, farklı boyut ve şekillerdeki hücreleri içermekteydi. İki uygulama için kullanılan veri setleri de önemli miktarda dönme ve arkaplan karmaşıklığı içermektedir. Takip algoritmalarının performansları üç farklı ölçüt aracılığı ile niceliksel olarak değerlendirildi. Bu ölçütler, bir algoritmanın takip koruma skorunu, başarı oranını ve konumlandırma hassasiyetini ölçmektedir. Deney sonuçları, ortak-farka dayalı takip algoritmasının, gözetleme veri seti için en yüksek başarı oranı ve konumlandırma hassasiyetine, hareketli hücre dataseti için en yüksek takip koruma oranına sahip olarak en başarılı algoritmalar arasında olduğunu göstermiştir.
Özet (Çeviri)
Visual object tracking has been one of the widely studied computer vision tasks which has a broad range of applications in various areas from surveillance to medical studies. There are different approaches proposed for the problem in the literature. While some of them use generative methods where an appearance model is built and used for localizing the object on the image, others use discriminative approaches that models the object and background as two different classes and turns the tracking task into a binary classification problem. In this study, we propose a novel object tracking algorithm based on co-difference matrix and compare its performance with the recent state-of-the-art tracking algorithms on two specific applications. Experiments on a large class of datasets show that the proposed co-difference based object tracking algorithm has successful results in terms of track maintenance, success rate and localization accuracy. The proposed algorithm uses co-difference matrix as the image descriptor. Extraction of co-difference features is similar to the well known covariance method. However the vector product operator is redefined in a multiplication-free manner. The new operator yields a computationally efficient implementation for real time object tracking applications. For our experiments, we prepared a comparison framework that contains over 70000 annotated images for visual object tracking task. We conducted experiments for two different application areas seperately. The first one is infrared surveillance sytems. For this application, we used a thermal image dataset that contains various objects such as humans, cars and military vehicles. The second application area is cell tracking on time-lapse microscopy images. Image sequences for the second application contain cells of different shapes and sizes. For both applications, datasets include a considerable amount of rotation and background clutter. Performance of the tracking algorithms are evaluated quantitatively based on three different metrics. These metrics measure the track maintenance score, success rate and localization accuracy of an algorithm. Experiments indicate that the proposed co-difference based tracking algorithm is among the best performing methods by having the highest localization accuracy and success rate for the surveillance dataset, and the highest track maintenance score for the cell motility dataset.
Benzer Tezler
- Bridging when and for whom: Gesture processing during language comprehension
Ne zaman ve kimin için? El jestlerini anlamada farklılıklar
DEMET ÖZER
- Tool management in CIM
Bilgisayar tümleşik imalatta takım yönetimi
UMUT DURAK
Yüksek Lisans
İngilizce
2001
Makine MühendisliğiOrta Doğu Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER ANLAĞAN
PROF. DR. S. ENGİN KILIÇ
- Mimarlık eğitimi diyalojik peyzajının bir parçası olarak Mimarlık dergisi'ni haritalama
Mapping the Mimarlik journal as a part of the dialogical landscape of architectural education
GİZEM ÖZER ÖZGÜR
Doktora
Türkçe
2024
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. SIDIKA ASLIHAN ŞENEL
- Visual object tracking using semi supervised convolutional filters
Yarı denetimli eğitilmiş katlamalı filtreler ile görsel nesne takibi
EMİR CAN SEVİNDİK
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH AYDIN ALATAN