Attentive deep regression networks for real-time visual face tracking in video surveillance
Videolu gözetimde gerçek zamanlı görsel yüz takibi için dikkat odaklamalı derin regresyon ağları
- Tez No: 562874
- Danışmanlar: PROF. DR. UĞUR HALICI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 133
Özet
Videolu gözetim sistemlerinde gerçekleştirilen en önemli işlerden birisi görsel yüz takibidir. Ancak poz, ölçek, ifade ve aydınlatmadaki değişiklikler ve karışık sahnelerdeki kapanmalar nedeniyle, zor bir iş olarak kabul edilir. Bu zorlukların üstesinden gelmek için, bu tez çalışmasında, GOTURN takipçisinin üzerine inşa edilen Dikkat Odaklamalı Yüz Takip Ağı (DOYTA) adlı uçtan uca bir takipçi öneriyoruz. Ek olarak, görsel yüz takibinde mevcut olan yetersiz veri probleminin üstesinden gelmek için kamuya açık ChokePoint veri kümesinin sınırlayacı kutu açıklamalarını sağlıyoruz ve böylece gözetim koşulları altında yüz takibi konusunda daha ileri çalışmalar için kullanılabilir hale getiriyoruz. Test sonuçlarımız, önerilen takipçimizin, ilkel sürümleri olan diğer tüm takipçileri geride bıraktığını gösteriyor. Ayrıca, gerçek zamanlı takip gereksinimlerinin çok ötesinde olan hızlarda çalışmaktadır.
Özet (Çeviri)
Visual face tracking is one of the most important tasks in video surveillance systems. However, due to the variations in pose, scale, expression and illumination and the occlusions in cluttered scenes, it is considered to be a difficult task. To address these challenges, in this thesis, we propose an end-to-end tracker named Attentive Face Tracking Network (AFTN) that is build on top of the GOTURN tracker. Additionally, to overcome the scarce data problem in visual face tracking, we also provide bounding box annotations for the publicly available ChokePoint dataset and thus make it available for further studies in face tracking under surveillance conditions. Our test results show that our proposed tracker outperforms all the other trackers that are primitive versions of itself. Furthermore, it runs at speeds that are far beyond the requirements of real-time tracking.
Benzer Tezler
- Motor hareket hayali eeg verilerini deneklerden bağımsız ortak elektrotlar kullanarak sınıflama
Classification of motor imagery eeg data using subject-independent common electrodes
ALİ ÖZKAHRAMAN
Doktora
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Anomaly detection in ınternet of medical things using deep learning
Anomaly detect ionin internet of medical things using deep learning
AYŞE BETÜL BÜKEN
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. DEVRİM AKGÜN
- Novel approaches to radar signal deinterleaving and geolocation in the framework of optimization and deep learning
Radar sinyal ayrıştırma ve konum bulma için optimizasyon ve derin öğrenme tabanlı yeni yaklaşımlar
MUSTAFA ATAHAN NUHOĞLU
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAKAN ALİ ÇIRPAN
- Management and control of distributed energy generation systems via artificial intelligence techniques
Dağıtık enerji üretim sistemlerinin yapay zeka teknikleri ile yönetim ve kontrolü
ALPER NABİ AKPOLAT
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET EMİN KUZUCUOĞLU
DR. ÖĞR. ÜYESİ ERKAN DURSUN
- Machine learning of social media data on a spatio-temporal basis
Sosyal medya verilerinin zaman-mekansal temellere göre makine öğrenimi
BÜŞRA YEŞİLBAŞ
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TANKUT ACARMAN