Ardışık sayısal görüntülerde çok sayıda hareketli nesnenin tespiti, izlenmesi, tanımlanması ve sınıflandırılması (ntits)
Detection, tracking, identification and classification of multiple moving objects in sequential digital images (ntits)
- Tez No: 684439
- Danışmanlar: PROF. DR. ÇETİN ELMAS, PROF. DR. UĞUR GÜVENÇ
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 170
Özet
Gelişen teknolojiye bağlı olarak çok yüksek çözünürlüklü sayısal kameralar ucuzlamış, erişimi kolaylaşmış ve kullanım alanları her geçen gün yaygınlaşmaya başlamıştır. Ancak çok yüksek çözünürlüklü ardışık sayısal görüntüler çok büyük miktarda veri içerdiğinden sayısal ortamda işlenip faydalı bilginin ortaya çıkartılması yüksek işlemci hızına ve büyük hesaplama kapasitesine ihtiyaç doğurmaktadır. Yüksek işlemci hızı ve büyük hesaplama kapasitesi sağlansa bile yüksek çözünürlüklü ardışık sayısal görüntülerin gerçek zamanlı olarak özelliklerinin tespit edilmesi, faydalı bilginin çıkartılması aynı zaman diliminde değerlendirilmesi, kullanılan algoritmalara göre çoğunlukla mümkün olmamaktadır. Ardışık sayısal görüntülerden çok sayıda hareketli nesnenin gerçek zamanlı tespiti, izlenmesi, tanımlanması ve sınıflandırılması ise paralel işlem yapabilen çok farklı işlemciler ve onlara uygun algoritmalar gerektirmektedir. Bu tez çalışmasında, Ardışık Sayısal Görüntülerde Çok Sayıda Hareketli Nesnenin Tespiti, İzlenmesi, Tanımlanması ve Sınıflandırılması (NTİTS) için biyomimetik yaklaşımı temel alan iki aşamalı bir yöntem geliştirilmiştir. Yöntemin birinci aşamasında ilgi alanı olan hareketli nesnelerin bulunduğu alanlar tespit edilerek hareketsiz nesnelerden ve arka zeminden ayrıştırılmaktadır. Hareketli alanlar tespit edilirken İnsan, maymun ve bazı başka gelişmiş canlıların gözünün çalışma prensibinden esinlenilmiştir. Bu canlıların gözleri görüş alandaki her noktayı aynı çözünürlükte görmez. İlgi alanı olan nesneleri çok yüksek çözünürlüklü görürken ilgi alanından uzaklaştıkça netlik azalır, objeler flulaşır. Böylece ilgi alanı dışındaki alanların ayrıntılarıyla beyin meşgul edilmez. Doğadaki bu özellik kullanılarak çok yüksek çözünürlüklü görüntülerin tüm piksellerini işlemeye kaynak ayırmaktansa sadece hareketli nesneleri oluşturan alanların analizi yapılmaktadır. Her türlü canlı, cansız, endüktif, kapasitif nesneyi zeminden, arka plandan ve hareketsiz olan diğer nesnelerden ayrıştırmak için optik akış (OA) yöntemi uygulanmaktadır. Yöntemin ikinci aşamasında, hareketli nesnelere ait özellikler çıkartılarak tanımlanma, izleme ve sınıflandırma işlemi yapılmaktadır. Nesne tanımlama ve sınıflandırma işlemlerinde Derin Sinir Ağları (DSA) kullanılmaktadır. Kodlar, Grafik İşlemci Birimleri (GPU)'inde, Merkezi İşlemci Birimleri (CPU)'ne kıyasla çok daha hızlı işlenebildiği için geliştirilen yöntemde GPU'lar kullanılmaktadır. NTİTS yönteminden elde edilen sonuçlar, çok yüksek çözünürlüklü ardışık sayısal görüntüler çok sayıda hareketli nesnelerin tespiti, izlenmesi tanımlanması ve sınıflandırılması işlemini yüksek doğruluk oranı ile gerçekleştirilebildiğini göstermiştir.
Özet (Çeviri)
Due to the developing technology, very high-resolution digital cameras have become more affordable, easier to access, and the areas of their utilization have become widespread day by day. As sequential digital images with very high resolution contain a vast amount of data, however, processing and revealing useful information in a digital environment creates a need for high processor speed and large computing capacity. Even when high processor speed and large computing capacity get to be provided; depending on the algorithms that have been employed, it is often not possible to detect the properties of high-resolution sequential digital images in real-time, extract useful information, and assess them at the same time period. Real-time detection, tracking, identification, and classification of multiple moving objects in sequential digital images require quite special processors with parallel processing capability and proper algorithms for them. In this thesis, a two-step method based on the biomimetic approach was developed for the Detection, Tracking, Identification, and Classification of Multiple Moving Objects in Sequential Digital Images (NTITS). The areas where the focused moving objects are, get detected and separated from the static objects and the background, at the first stage of the method. It was inspired by the principle of how the eyes of humans, monkeys, and some other advanced creatures work when detecting moving areas. The eyes of these creatures do not see every point at sight at the same resolution. While the focused objects are seen with very high resolutions, the sharpness decreases, and the objects become blurred as one moves away from the focused area. In this way, the brain remains not engaged with the details of other areas outside of the focused area. Instead of allocating resources for processing all the pixels in very high-resolution images, only the areas with moving objects are analyzed with the help of this feature in nature. The optical flow (OF) method is applied to separate all variations of animate, inanimate, inductive, capacitive objects from the surface, background, and other static objects. At the second stage of the method, the properties of moving objects are extracted, and the identification, tracking, and classification process take place. Deep Neural Networks (DNN) are employed in object identification and classification processes. As the codes can be processed eminently faster on Graphics Processing Units (GPUs) compared to Central Processing Units (CPUs), GPUs are preferred in the developed method. The results from the NTITS method demonstrated that the detection, tracking, and classification of multiple moving objects in very high resolution sequential digital images can be completed with a high accuracy rate.
Benzer Tezler
- Vector-driven: A new projection and backprojection algorithm based on vector mapping
Vector-driven: Vektör haritalamasına dayalı yeni bir projeksiyonve ters projeksiyon algoritması
İSMAİL MELİK TÜRKER
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSA YILDIRIM
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Numerical and experimental study of fluid structure interaction in a reciprocating piston compressor
Pozitif deplasmanlı pistonlu bir kompresörde akışkan yapı etkileşiminin sayısal ve deneysel incelenmesi
UMUT CAN COŞKUN
Doktora
İngilizce
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAYRİ ACAR
PROF. DR. HASAN GÜNEŞ
- Digital video stabilization with SIFT flow
SIFT akışı ile sayısal video sabitleme
İNCİ MELİHA BAYTAŞ
Yüksek Lisans
İngilizce
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MELİH PAZARCI
- An Investigation of flow around two flow bluf bodies in tandem and staggered arrangements by the dicrete vortex method and experiment
Ardarda ve çapraz dizilişli iki küt cisim etrafındaki akış: Ayrık vorteks yöntemiyle hesap ve deney
HACI İBRAHİM KESER