Geri Dön

Real time pedestrian tracking using adaptive kalman filter

Adaptif kalman filtresi kullanımı ile gerçek zamanlı yaya takibi

PDF İndir

  1. Tez No: 714580
  2. Yazar: COŞKUN ORKUN VURAL
  3. Danışmanlar: PROF. DR. MUSTAFA DOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Kontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mekatronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 55

Özet

Görüntü işleme, 1950'lerin başından beri önde gelen araştırma konulardan biri olmuştur ve fotoğraf üzerinde yapılan basit araştırmalardan gerçek zamanlı video işlemeye kadar gelişmiştir. Çevredeki ortamın işlenmesi karmaşık bir değişken haline geldiğinden, bu gelişme araştırmacıların önüne aşılması gereken daha çok engel getirdi. Böylece ortamdaki değişikliklere uyum sağlayan düşük hesaplama süresine ve esnek algoritmalara sahip yeni teknikler ortaya çıktı. İnsan hareketinin tespiti ve tahmini, daha önce öne çıkan araştırma alanlarındandır. Güvenlik ve acil durumlar için yapılan çalışmalarda gerçek zamanlı insan tespiti uygulamaları esastır. Bu çalışmada gerçek zamanlı video üzerinde insan hareketini tahmin edebilen tutarlı bir sistem geliştirilmesi amaçlanmıştır. Çalışmanın arkasındaki motivasyon, sürücüyü önceden uyarmak için yayaları ve hareketlerini algılayabilen bir sistem tasarlamaktır. Sistemin mümkün olan en düşük hesaplama süresinde çalışması ve gerçek zamanlı olarak sabit olmayan ortamlarla çalışabilmesi için ortamdaki değişikliklere uyum sağlaması gerekiyordu. Bunu göz önünde bulundurarak sadece önceki adımlar bilgisine ihtiyaç duyulduğu ve datanın tamamını işleme gerekliliği bulunmaması nedeniyle sonraki adımların tahmini için Adaptif Kalman Filtresi kullanılmıştır. Projenin geliştirilmesi için programlama dili olarak Matlab tercih edilmiştir. Matlab'ın seçilmesinin nedeni, Matlab IDE'sinin bu iş için faydalı birçok kütüphane ve araç kutusu içermesidir. Projenin ilk adımı olarak, video anlık görüntü alınarak gerçek zamanlı olarak değerlendirildi ve alınan kareler üzerinde ilerleyen bölümlerde açıklanan algoritmalar uygulandı. İnsan tespiti için Caltech Veri Kümesinden veri alan yerleşik Matlab kütüphanesi kullanıldı. İnsan algılama algoritmasından toplanan veriler, ilgilenilen bölgedeki merkezlerin bulunması için kullanıldı. Merkez noktalar, karşılık gelen hata parametreleriyle giriş verileri olarak Adaptif Kalman Filtresine beslendi. Adaptif Kalman Filtresi terimi, önceki giriş parametrelerinden gelen değişken hata ayarından gelir. P, Q ve R parametreleri bir önceki karedeki hata değerleri ile ayarlandı. Tüm P, Q ve R parametrelerinin ve K değerinin artan işlenen kare sayısı arttıkça sabit bir değere yakınsadığı gözlendi. Böylece öğrenme süreci de bu çalışmanın içinde kullanılmış oldu. Her bir kare üzerinde işlem yaparken önceki karede yapılan tahmin ile o anki karedeki gerçekte oluşan merkez noktaları kıyaslanıp buna göre ilgili hata parametreleri güncellendi. Bu durumda hareket veya ölçüm yapılan cihazdan kaynaklı olan hataların minimuma indirgenmesi hedeflenmiştir. Bir sonraki kareye geçilirken ise ilk olarak insan algılama algoritmasındaki algılanan insan sayısı hesaplanıp eğer kareden çıkan bir kişi var ise bu kişinin kaydı silinip gereksiz işlem yükünü azaltmak istendi. Ayrıca bulunan her veri için ayrı filtre kullanılması değişken boyutlarda ve hareket yönlerine sahip yayalar için ortak tahminler yapılıp hatalı bir tahmin yapılmasını engellemiştir. Yapılan denemeler sonucu gerçek zamanlı videoda önerilen sistemin olumlu sonuçlar verdiği gözlemlenmiştir. 1000 test görüntüsünde, sistem görüntüdeki tekli ve çoklu yayalarla test edildi. Toplam 1678 örnekten 1418'i doğru sınıflandırma olup %84.5 başarı oranı ile sonuçlanmıştır. Bu gözlemden, kalabalığın daha az yoğun olduğu alanlarda sistemin daha iyi çalıştığı sonucuna varılabilir. Ayrıca hata değerlerinin sabit bit değere yakınsaması ve hata oranının kare sayısı arttıkça azalması da sistemin yaptığı hatalardan öğrenerek daha stabil bir hale geldiğinin göstergesidir. Bu çalışmada, Adaptif Kalman Filtresi kullanılarak görüntüdeki yayaları başarılı bir şekilde algılayabilen ve hareketlerini tahmin edebilen sağlam bir sistem tasarlamak amaçlanmıştır. 1000 test görüntüsünde sistem, çerçevedeki tekli ve çoklu yayalarla test edildi. Toplam 1678 örnekten 1418'i doğru sınıflandırma olup %84.5 başarı oranı ile sonuçlanmıştır. Test sürecinde, hatanın esas olarak iki nesnenin birbirine doğru hareket etmesinden kaynaklandığı gözlemlendi. Bu gözlemden, kalabalığın daha az yoğun olduğu alanlarda sistemin daha iyi çalıştığı sonucuna varılmıştır. Sistemin performansını karşılaştırmak için iki öğrenme yöntemi daha (Bayesian Regularization ve Levenberg-Marquardt) uygulandı. Doğruluk ve kesinlik değerleri karşılaştırıldığında Adaptif Kalman Filtresinin diğer yöntemlere göre daha iyi sonuçlar verdiği görülmüştür. Ayrıca Adaptif Kalman Filtresi herhangi bir eğitim aşaması gerektirmediği için gerçek zamanlı uygulamalar için daha uygundur. Kalman kazancı ve hata parametreleri gözlendiğinde, bu parametrelerin bir aralığa yakınsadığı, yani filtrenin kendisini ortama adapte ettiği, durdurma kriterlerinin başarıyla sağlandığı görülmektedir. Adaptif Kalman Filtresi yerine Kalman Filtresi kullanılmış olsaydı, ortam değişiklikleri nedeniyle sistemin doğru şekilde ayarlanması mümkün olmaz ve bu da tahminlerde tutarsızlıklara neden olurdu. Bu çalışma ile bir dereceye kadar tek bir kamera kullanılarak yaya algılama ve hareket tahmininin yapılabileceği gösterilmiştir. İzlenen yöntemi kalabalıkları birbirinden ayırabilen bir algoritma ile birleştirmek, sistem performansını önemli ölçüde artıracaktır. Bu çalışma için, Adaptif Kalman Filtresi kullanılarak, tek bir kamera ile gerçek zamanlı video üzerinde insan hareketi tahmini yapılabileceği varsayılmıştır. Kurulan sistemin %84.5 başarı oranı ile hipotezin doğrulandığı görülmüştür. Ayrıca gerçek zamanlı videonun değişen çevre koşullarının zorluklarını ortadan kaldırmak için Adaptif Kalman Filtresinin tercih edilmiştir. Kalman kazancı ve hata parametrelerinin sistemin öğrenme sürecini kanıtlamak için gerekli olan küçük bir değer aralığına yakınsadığını gözlemlemek de önemli bir faktör olup, sonuçlarda gözlemlenmesi sistemin gerçek zamanda çalışabileceğini kanıtlamıştır. Sonuç olarak, bu tez çalışması, tek bir kamera ile gerçek zamanlı video üzerinde insan hareketi tahmininin yapılabileceğini göstermiştir. Başarı oranı, bunun gerçek zamanlı yaya takibinde uygulanacak etkili bir yöntem olduğunu kanıtlayacak kadar yüksek olmasına rağmen, sistem için bazı geliştirme alanları bulunmaktadır. Birbirine doğru hareket eden birden fazla yayada sistem performansı önemli ölçüde azaldığı gözlemlenmiştir. Daha iyi sonuçlar için nesneler için daha iyi bir ayırma yöntemi geliştirilmelidir. İkinci olarak sistem, yayanın tüm vücudu çerçevede bulunduğunda çalışır. Kameraya çok yakın olan yayaları sınıflandırmak için bir gövde algılama algoritması uygulanabilir. Son olarak, daha iyi bir işlemci ve kamera ile test etmek, saniyedeki kare sayısını artırabilir ve bu da daha hassas bir sınıflandırma ile sonuçlanacaktır.

Özet (Çeviri)

Image processing has been one of the hot topics since early 1950's and it has developed from simple researches on the images to real time video processing. This development brought more challenges to the researches as the environment around became a complex variable to process. Thus new techniques with low computing time and flexible algorithms that adapt to changes in the environment emerged. Human detection and estimation of their movements is one of the research areas described before. For security and emergency situations, applications of real time human detection is fundamental. In this work it was aimed to develop a robust system that can predict human movement on real time video. The motivation behind the work is to design a system that can detect pedestrians and their movement to warn the driver beforehand. The system needed to do the lowest amount of computation time as possible and it needed to adapt to changes of the environment in order to work in real time with unstable surroundings. Thus an Adaptive Kalman algorithm is developed for prediction of the next steps as only the previous steps information was needed. For the development of the project Matlab is used as the programming language. The reason behind choosing Matlab is due to the fact that Matlab IDE includes many libraries and toolboxes useful for this work. As the first step of the project the camera input is evaluated in real time by taking snapshots and further algorithms are applied on the frames taken. For human detection the built in Matlab library which gets data from the Caltech Dataset is used. The data gathered from the human detection algorithm is used to find the centroids in the region of interest. Centroids are fed to the Adaptive Kalman Filter as the input data with corresponding error parameters. The term Adaptive Kalman Filter comes from the responsive error tuning from the previous input. P, Q and R parameters are tuned with the error values of the previous frame. It was observed that all P, Q and R parameters and K value is converged with the increasing number of frames. Thus the learning process is also included in the work. In the 1000 test frames the system is tested with single and multiple pedestrians in the frame. Out of total 1678 samples 1418 of them are the right classifications which results in a %84.5 success rate. In the test process, it was observed that the error is mainly caused when two objects move towards each other. From that observation it can be concluded that the system works better in areas where the crowd is less dense.

Benzer Tezler

  1. Tez No

    583048

    RSSI-based hybrid algorithm for real-time pedestrian tracking in indoor environments by using RFID technology

    RFID teknolojisi kullanarak kapalı alanlarda gerçek zamanlı RSSI tabanlı hibrid yaya takibi algoritması

    EBUBEKİR DEMİR

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MAHMUT ÇAVUR

  2. Tez No

    885209

    Çok geniş bant sinyaller ve ataletsel sensörler kullanılarak konumlama algoritmalarının geliştirilmesi

    Development of positioning algorithms using UWB signals and inertial sensors

    SERKAN ZOBAR

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiGazi Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÇİYDEM

  3. Tez No

    447124

    Classification and tracking of vehicles with hybrid camera systems

    Hibrit kamera sistemleri ile taşıt sınıflandırma ve takibi

    İPEK BARIŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. YALIN BAŞTANLAR

  4. Tez No

    693816

    Synthetic data generation for training and evaluation of deep learning-based computer vision models

    Derin öğrenme-bazlı bilgisayarlı göre modellerinin eğitimi ve değerlendirilmesi için sentetik veri üretimi

    ABDULRAHMAN KERİM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. UFUK ÇELİKCAN

  5. Tez No

    505160

    Infrastructure independent pedestrian localization using dead reckoning and particle filter

    Parakete seyri hesabı ve parçacık filtresi ile altyapısız yaya konum belirleme

    MEHMET ENES CAVLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Mekatronik Mühendisliğiİstanbul Teknik Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAKAN TEMELTAŞ

Geri Dön