Akan video görüntüleri üzerinden, dağıtık, işbirlikçi ve gerçek zamanlı araç tanıma ve boyutlarına göre sınıflandırma sistemi
Distributed, collaborative and real-time vehicle detection and size classification over the video streams
- Tez No: 494814
- Danışmanlar: DOÇ. DR. AHMET SAYAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Trafik yönetim ve bilgi sistemlerinin trafik akışını düzgün bir şekilde sağlayabilmesi için çeşitli algılayıcılar yardımıyla trafikle ilgili bilgileri elde etmesi gerekmektedir. Bu kapsamda, son yıllarda trafik gözlemi ve denetiminde video kameralarının kullanımı çok yaygınlaşmış ve aktif olarak kullanılmaktadır. Görüntü işleme tabanlı video izlemeye dayalı trafik sistemleri yardımıyla plaka tanıma, araç sayısı bulma, trafik yoğunluğu tespiti, araç hızı hesaplanması, şerit ihlalleri ve araç sınıflandırma gibi birçok çalışma yapılabilmektedir. Gerçekleştirilen tez kapsamında iki temel işlem gerçekleştirilmiştir: (1) araç görüntülerinin sınıflandırması ve (2) sınıflandırılmış görüntülerin konu tabanlı olarak yayınla/kaydol sistemi ile istemcilere gönderilmesi. İlk olarak kamera parametrelerinden (kameranın yüksekliği, yolu görüş açısı vs.), kalibrasyonundan ve otoyola ait herhangi bir bilgiden (arabaların hareket yönü, şerit çizgileri vs.) bağımsız olarak otoyolunu yukarıdan görecek şekilde yerleştirilmiş herhangi sabit bir kamera ile elde edilen araç görüntüleri farklı sınıflandırıcılar ile araba, orta sınıf araç ve büyük sınıf araç olmak üzere üç sınıfa ayrılmıştır. Daha sonra sınıflandırılan görüntüler konu tabanlı (topic-based) yayınla/kaydol mesajlaşma protokolü yardımıyla istemcilere gönderilmesi gerçekleştirilmiştir. Otoyol üzerindeki sabit bir video kameradan alınan görüntüye, ilk olarak ön plan-arka plan çıkarımı (araç ve araç değil) uygulanmıştır. Elde edilen ön plan görüntüsü farklı filtreleme yöntemleriyle gürültülerinden arındırılarak ve hareket halindeki imge bölgeleri (araçlar) tespit edilmiştir. Ardından sınıflandırıcıda kullanılması için özellik vektörü oluşturulmuştur. Özellik vektörü; araçlara ait geometrik tabanlı (en, boy, yükseklik) özellikler, görünüm tabanlı özellikler (Ölçek Bağımsız Özellikler (SIFT) ve Hızlandırılmış Gürbüz Özellikler (SURF)) ve ikili imge özelliklerinden (alan oranı, en-boy oranı, majör ve minör eksen uzunluğu, çevre vs.) oluşmaktadır. Sınıflandırıcı olarak Destek Vektör Makineleri (Support Vector Machine - SVM), Yapay Sinir Ağları (YSA) ve AdaBoost kullanılarak ilgili görüntüler üzerinde araçlar küçük, orta ve büyük sınıf olarak etiketlenmiştir. Sınıflandırma başarısı; doğruluk (accuracy), hassaslık (recall), ve kesinlik (precision) metriklerine göre değerlendirilmiştir.
Özet (Çeviri)
Traffic management and information systems need to obtain information about traffic with various sensors to control the traffic follow properly. In this context, videos are very actively used in traffic surveillance and control in recent years. With the help of image processing based video surveillance system in traffic management systems, many studies are done. Some of these are: license plate recognition, finding the number of vehicles, traffic density detection, vehicle speed calculation, detection of lane violations and vehicle classification. Within the proposed thesis, two basic operations have been carried out: (1) classification of vehicle imaginaries and (2) transferring classified images to the registered/subscribed users via topic based publish/subscribe system. Firstly, vehicle images are obtained from videos which are taken from an uncalibrated camera which sees any highway from above. This camera is independent from some parameters (height of the camera, the viewing angle of the road etc.), calibration, and any highway information (direction of movement of the car, lane markings, etc.). Secondly, obtained vehicle images are divided into three classes (car, van or truck) using different classification algorithms. Finally, classified vehicle images are sent to registered users via topic based publish/subscribe system. In this thesis, moving blobs are detected by a background-foreground extraction algorithm, classification is done by extracting geometric features (width, length, height), appearance-based features (Scale-invariant feature transform (SIFT) and speeded-up robust features (SURF)) and binary features (area ratio, aspect ratio, major and minor axis length, diameter, etc.) of detected blobs and by giving those features to different classifiers such as support vector machine (SVM) classifier, artificial neural network (ANN), and AdaBoost classifier. Classification performance will be evaluated according to different metrics such as accuracy, recall, and precision.
Benzer Tezler
- Les images mouvantes, le temps et la technique
Hareketli görüntüler, zaman ve teknik
MERVE KAPTAN
Doktora
Fransızca
2018
Sahne ve Görüntü SanatlarıGalatasaray ÜniversitesiRadyo Televizyon ve Sinema Ana Bilim Dalı
YRD. DOÇ. DR. MICHEL BOURSE
- Üretim otomasyonunda görüntü tabanlı hata tanıma sistemi
Image processing based fault dedection system in manufacturing automation
KADİR BALCI
Yüksek Lisans
Türkçe
2008
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiMühendislik Bilimleri Bölümü
YRD. DOÇ. DR. ABDULLAH BAL
- Near real-time web-based mapping of live video streams from unmanned aerial vehicles
İnsansız hava araçlarından akan canlı video görüntülerinin yarı gerçek zamanlı olarak web tabanlı haritalandırılması
EFE PİRİHAN
Yüksek Lisans
İngilizce
2022
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT DURMAZ
- A low-cost uncooled infrared detector array and its camera electronics
Düşük maliyetli soğutmasız kızılötesi detektör dizini ve kamera elektroniği
DİNÇAY AKÇÖREN
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. TAYFUN AKIN
YRD. DOÇ. DR. SELİM EMİNOĞLU
- Sert negatif öğrenme ile yayaların yürüyüş rotalarının belirlenmesi
Walking path detection of pedestrians by using hard negative learning
CİHANGİR KOLCU
Yüksek Lisans
Türkçe
2018
Mühendislik BilimleriYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BÜLENT BOLAT