Geri Dön

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

  1. Tez No: 494814
  2. Yazar: SEDA KUL
  3. Danışmanlar: DOÇ. DR. AHMET SAYAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Les images mouvantes, le temps et la technique

    Hareketli görüntüler, zaman ve teknik

    MERVE KAPTAN

    Doktora

    Fransızca

    Fransızca

    2018

    Sahne ve Görüntü SanatlarıGalatasaray Üniversitesi

    Radyo Televizyon ve Sinema Ana Bilim Dalı

    YRD. DOÇ. DR. MICHEL BOURSE

  2. Üretim otomasyonunda görüntü tabanlı hata tanıma sistemi

    Image processing based fault dedection system in manufacturing automation

    KADİR BALCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Mühendislik Bilimleri Bölümü

    YRD. DOÇ. DR. ABDULLAH BAL

  3. 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

    İngilizce

    2022

    Jeodezi ve FotogrametriHacettepe Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT DURMAZ

  4. 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

    İngilizce

    2011

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. TAYFUN AKIN

    YRD. DOÇ. DR. SELİM EMİNOĞLU

  5. Sert negatif öğrenme ile yayaların yürüyüş rotalarının belirlenmesi

    Walking path detection of pedestrians by using hard negative learning

    CİHANGİR KOLCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Mühendislik BilimleriYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BÜLENT BOLAT