Video işaretleri içindeki insanların sayısının tespiti
People counting on video streams
- Tez No: 530976
- Danışmanlar: DR. ÖĞR. ÜYESİ BÜLENT BOLAT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Haberleşme Eğitimi Ana Bilim Dalı
- Bilim Dalı: Haberleşme Bilim Dalı
- Sayfa Sayısı: 69
Özet
Son zamanlarda gelişen teknoloji ile birlikte bilgisayar tabanlı sistemlerin kullanımı gün geçtikçe yaygınlaşmıştır. Nesne algılama, bilgisayar ile görü ve makine öğrenmesinde popüler bir konudur. İnsanların bilgisayarlar ile olan etkileşiminin artması ve bilgisayar tabanlı sistemlerinin insan hayatına etkisi düşünüldükçe, yaya tespit yöntemleri her geçen gün daha da önem kazanmaktadır. Tasarlanan insan sayma sistemleri ise bir kapıdan veya koridordan geçen yayaların sayısını belirlemek için kullanılan cihazlardır. Çoğu zaman bu sistemler, büyük bir binanın girişinde, tren istasyonları, hava alanları veya toplu taşıma araçlarının duraklarında kullanılmaktadır. Böylece izlenilen alan içerisindeki toplam yaya sayısı kaydedilebilir. İnsan sayma sistemleri, pazarlama araştırması anketi yapabilmek ve belirli bir zaman periyodundaki insan yoğunluğunu tespit edebilmek için oldukça önemli sistemlerdir. Bu tez çalışmasında, farklı sınıflandırıcılar kullanarak video işaretlerinde yaya tespiti yapan bir algoritma sunulmaktadır. Çalışma sırasında görüntünün özniteliklerini çıkarmak için tanımlayıcı olarak yaya tespitinde sıkça kullanılan HOG, sınıflandırıcı olarak ise destek vektör makineleri (SVM), K en yakın komşu (KNN) ve AdaBoost algoritmalarının birleşimiyle çoğunluk oylamasına dayanan özel bir sınıflandırıcı kullanılmıştır. Üç farklı sınıflandırıcı ile birlikte video görüntüsünde hareket kestirimi yapılarak yaya olup olmadığına karar verilmektedir. Uygulanan yöntemin etkinliğini göstermek için sistem INRIA veri seti kullanılarak eğitilmiştir ve farklı bir veri seti olan Penn Fudan ile test edilmiştir. Önerilen yöntemin doğru pozitif oranını yükseltirken hatalı pozitif oranını düşürdüğü açıkça görülmektedir. Buradan yola çıkarak çoğunluk oylaması yönteminin sunulan problemin çözümü için daha olumlu sonuçlar ürettiği söylenebilir. Deneysel sonuçlar önerilen yöntemin tek bir sınıflandırıcı ile yapılan yaya tespitine göre daha yüksek doğruluk oranında çalıştığını desteklemektedir.
Özet (Çeviri)
Recently, the use of computer systems has become widespread with the developing technology. Object detection is a popular topic in computer vision and machine learning. The interaction of people with computers has increased and computer based systems have affected the human life so pedestrian detection methods are gaining more importance every day. Designed human counting systems are devices used to determine the number of pedestrian that pass through a door or corridor. These systems are usually used at the entrance of a large building, at railway stations, at airports, or at stops of public transport. Thus, the total number of people in the monitored area can be recorded. Human counting systems are very important systems for conducting marketing research surveys and for determining the human density in a given time period. In this thesis, an algorithm which detects pedestrians in video signs using different classifiers is presented. A special classifier based on the majority vote with the combination of support vector machines (SVM), K nearest neighbors (KNN) and AdaBoost algorithms has been used as a descriptor HOG to extract features of image during the this study. Motion estimation is implemented on the video image with three different classifiers to decide whether or not it is pedestrian. To demonstrate the effectiveness of the method, the system was trained with the INRIA data set and tested with Penn Fudan data set. It is clear that the proposed method decreases the false positive rate while increasing the true positive rate. Thus,it can be said that the majority voting method produces more positive results for the solution of the problem presented. The experimental results suggest that the method works with higher accuracy than pedestrian detection with a single classifier.
Benzer Tezler
- Assistant humanoid robots for sign language tutoring
İnsansı robot destekli işaret dili öğretimi
NEZİHA AKALIN
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. HATİCE KÖSE
- Deep learning based three dimensional face expression recognition using geometry images from three dimensional face models
Üç boyutlu yüz modellerinden elde edilen geometri görüntüleri kullanılan derin öğrenme tabanlı üç boyutlu yüz ifadelerini tanıma
NEŞE GÜNEŞ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ULUĞ BAYAZIT
- Le rapport des droits de l'homme au politique: Lefort et Rancière
İnsan haklarının politik-olan bağlantısı: Lefort ve Rancière
EYLEM YOLSAL MURTEZA
Doktora
Fransızca
2022
FelsefeGalatasaray ÜniversitesiFelsefe Ana Bilim Dalı
PROF. DR. ALİYE KARABÜK KOVANLIKAYA
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- SDH şebekeler ve SDH şebekelerde yönetim
Başlık çevirisi yok
ZAFER GEDİK
Yüksek Lisans
Türkçe
1998
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜNSEL DURUSOY