Video görüntülerinden insan hareketlerinin genelleştirilmiş çoklu cezbedici hücresel otomatlar (GMACA) ile tanınması
Recognition of human actions from video images by generalized multiple attractor cellular automata (GMACA)
- Tez No: 545050
- Danışmanlar: PROF. DR. YAŞAR BECERİKLİ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Kocaeli Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 293
Özet
Hücresel otomatlar eş zamanlı programlamaya olanak sağlayan, ayrık uzay zaman yapısındaki hücresel ızgara düzleminde durum güncelleme mantığıyla çalışan hesaplama modeline sahiptir. Durum uzayında bazı durumların diğer durumları etrafında toplama yeteneklerinin araştırmacılar tarafından keşfedilmesi, hücresel otomatların örüntü tanıma potansiyelini ortaya çıkarmıştır. Örüntü tanımada kullanılacak hücresel otomata kurallarının nitelenmesi için lineer ve lineer olmayan yöntemler önerilmiştir. Lineer yöntemler cebirsel işlemler kullanırken lineer olmayan yöntemler genetik algoritma veya erişilebilirlik tabanlı yaklaşımlarla kural nitelemesi yapmaktadırlar. Bu tez kapsamında hücresel otomata kurallarının nitelenmesi için erişilebilirlik ağacı tabanlı yaklaşımlar kullanılmıştır. Cezbedici durumlar, ikili sınıflandırmada başarıyla kullanılmıştır. Cezbedicilerin çoklu sınıflandırmada kullanılabilmesi için iki ayrı çoklu sınıf stratejileri test edilmiştir. Cezbedicilerin örüntü çekim yetenekleri farklı yapıdaki problemlerde kullanılmıştır. Birincisi: Hücresel otomatların ürettiği cezbedici durumlar, görüntü bölümlendirmede kullanılmıştır. Önerilen yöntem, kümeleme görüntü bölümleme yöntemleri kapsamında değerlendirilebilir. Yönteminin temel varsayımı; bir bölgeye ait piksellerin yakın değere sahip olacak olmasıdır. İkincisi: Cezbedicilerin örüntü çekim merkezi formundaki davranışları, makine öğrenmesi modellerinin kullandığı özellik vektörlerinin boyutunun azaltılmasında kullanılmıştır. Cezbedicilerle birden fazla benzer özellik tek bir özellik tarafından temsil edilerek özellik vektörünün boyutu azaltılmıştır. Üçüncüsü: Hücresel otomatların çekim merkezi formunda davranan cezbedici durumları görüntü tespitinde kullanılmıştır. Önerilen yöntem, ardışık görüntülerin farkına dayalı hareket tespit etme yöntemleri altında değerlendirilebilir. Önerilen yöntemin daha önceki yapılan çalışmalardan en önemli farkı hareket tespitinin cezbedici durumlar kullanılarak yapılmasıdır. Son olarak, cezbediciler kullanılarak elde edilen hareket tespit görüntülerinden insan hareketlerinin tanınması gerçekleştirilmiştir.
Özet (Çeviri)
Cellular automata have a computational model that operates with update logic in the cellular grid plane in the discrete space time structure, which allows simultaneous programming. In the state of space, the discovery of the ability of some states to collect around other states by researchers revealed the potential of pattern recognition of cellular automata. Linear and nonlinear methods have been proposed to characterize the cellular automata rules to be used in pattern recognition. While linear methods use algebraic operations, nonlinear methods characterize the rules with genetic algorithm or reachability tree based approaches. Within the scope of this thesis, reachability tree based approaches were used to characterize the cellular automata rules. Attractor state have been successfully used in binary classification. Two different multi-class strategies have been tested in order to use attractor in multi-class classifications. Pattern attraction abilities of attractor have been used in different problems. First: Attractor states produced by cellular automata were used in image segmentation. The proposed method can be evaluated within the context of clustering image partitioning methods. The basic assumption of the method; that the pixels of a region will have a close value. Second: The behaviours of attractor in the form of pattern centres were used to reduce the size of the feature vectors used by machine learning models. The feature vector is reduced in size by representing one or more properties with attractors. Third: Attractor state were used for motion detection. The proposed method can be evaluated under the methods of motion detection based on the difference of consecutive images. The most important difference of the proposed method from previous studies is that motion detection is made using attractor generated by rule vector. Finally, recognition of human actions from motion detection images using attractors were carried out.
Benzer Tezler
- Gerçek zamanlı video görüntülerinden insan hareketlerinin tanınması ve yorumlanması
Real time human action recognition and understanding
ADEM GÜÇLÜ
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. M. ELİF KARSLIGİL
- Biyomekanik analiz tabanlı insan hareketi tanıma algoritmalarının geliştirilmesi
Development of biomechanical analysis-based human motion recognition algorithms
BETÜL AY
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET KARAKÖSE
- Automatic analysis of head and facial gestures in video streams
Video görüntülerinden kafa ve yüz mimiklerinin otomatik analizi
HATİCE ÇINAR AKAKIN
Doktora
İngilizce
2010
Elektrik ve Elektronik MühendisliğiBoğaziçi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. BÜLENT SANKUR
- Yaya davranışlarının algoritmik yaklaşımla analizi ve tasarıma aktarılması
Analysis of pedestrian behavior and transferring to design by algorithmic approach
ERDEM YILDIRIM
- Derin öğrenme yöntemleri kullanılarak görüntüler üzerinde insan hareketlerinin ve hastalıklarının sınıflandırılması
Classification of human movements and diseases on images using deep learning methods
MUHAMMED YILDIRIM
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET ÇINAR