Multi-target detection & tracking using machine learning methodologies
Makine öğrenme metodolojileri kullanarak çoklu hedef tespit ve izleme
- Tez No: 898877
- Danışmanlar: PROF. DR. NAIM MAHMOOD MUSLEH AJLOUNI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Çok hedefli takip, Makine öğrenimi, Gözetim sistemi, Multi-target tracking, Machine learning, Surveillance system
- Yıl: 2024
- Dil: İngilizce
- Üniversite: İstanbul Atlas Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 70
Özet
Bu tez, çok hedefli insan tespiti ve takibi konusunda makine öğrenme yöntemlerini kullanarak kapsamlı bir çalışma sunmakta olup, birden fazla kamera kaynağından elde edilen verilerin entegrasyonuna odaklanmaktadır. Gelişmiş gözetim sistemleri ve otomatik izleme ihtiyacının artmasıyla, dinamik ortamlarda bireylerin etkili bir şekilde tespit edilmesi ve takibi büyük önem kazanmaktadır. Bu araştırma, çeşitli ortamlarda gerçek zamanlı insan tespiti için YOLO (You Only Look Once) ve Faster R-CNN gibi en son derin öğrenme modellerinin uygulanmasını incelemektedir. Mevcut yöntemler üzerine kurulan bu çalışma, yalnızca ana kişileri tespit edip takip etmekle kalmayıp, aynı zamanda yeni tespit edilen bilinmeyen kişileri“ilgi altındaki kişiler”olarak sınıflandıran yenilikçi bir çerçeve sunmaktadır. Bu hiyerarşik yaklaşım, bireyler arasındaki ilişki yönetimini geliştirirken, özellikle kalabalık veya gizlenmiş senaryolarda kimlik sürekliliğinin doğruluğunu artırmaktadır. Önerilen sistem, çoklu kameradan elde edilen çerçevelerde tespitlerin bağlantısını kesintisiz bir şekilde sağlamak ve kimlik değiştirmeleri etkin bir şekilde yönetmek için Macar algoritması ve Deep SORT gibi ileri düzey veri ilişkilendirme tekniklerini kullanmaktadır. Çeşitli veri setleri üzerinde yapılan değerlendirmeler, önerilen yöntemin gerçek dünya uygulamalarında sağlamlığını ve ölçeklenebilirliğini göstererek, çoklu kamera girişlerinin tespit ve takip performansını önemli ölçüde artırdığını ve durumsal farkındalığı geliştirdiğini ortaya koymaktadır. Bu araştırma, insan tespiti ve takip sistemlerindeki mevcut sınırlamaları ele alarak, bilgisayarlı görü alanında büyüyen bir katkı sağlamakta olup, gelecekteki davranış analizi ve etkileşim tanıma araştırmalarına temel oluşturmakta, karmaşık ortamlarda bireyler arasındaki ilişkileri daha iyi bağlamsallaştırmaktadır.
Özet (Çeviri)
This thesis presents a comprehensive study on multi-target human detection and tracking using machine learning methodologies, with a focus on integrating data from multiple camera sources. As the demand for advanced surveillance systems and automated monitoring increases, effective detection and tracking of individuals in dynamic environments become paramount. This research explores the implementation of state-of-the-art deep learning models, such as YOLO (You Only Look Once) and Faster R-CNN, for real-time human detection across varied environments. Building on existing methodologies, we introduce an innovative framework that not only detects and tracks primary individuals but also identifies and categorizes newly detected unknown individuals as“sub persons of interest.”This hierarchical approach allows for enhanced relationship management between individuals and improves the accuracy of identity retention over time, especially in crowded or occluded scenarios. The proposed system employs advanced data association techniques, such as the Hungarian algorithm and Deep SORT, to seamlessly link detections across frames from multiple cameras while managing identity switches effectively. Evaluations conducted on diverse datasets highlight the effectiveness of the proposed method, demonstrating its robustness and scalability in real-world applications. Our findings indicate that leveraging multi-camera inputs significantly enhances detection and tracking performance, providing improved situational awareness. This research contributes to the growing field of computer vision by addressing current limitations in human detection and tracking systems, paving the way for future advancements in surveillance technologies and intelligent monitoring solutions. This work lays foundational concepts for future research into behavioral analysis and interaction recognition, further contextualizing the relationships between individuals in complex environments.
Benzer Tezler
- Panoramik görüntüler üzerinden su altı hedef tespiti: DBSCAN ve derin öğrenme ağları ile bütünleşik bir yaklaşım
Underwater target detection via panoramic images: An integrated approach with DBSCAN and deep learning networks
FATMA KÜBRA AKIN KÜÇÜK
Yüksek Lisans
Türkçe
2024
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. İBRAHİM ÖZKOL
- Dizel makinanın makina öğrenmesi yöntemi kullanılarak modellenmesi ve karar-destek mekanizması oluşturulması
Machine learning method based marine diesel engine modelling and decision-support system setting
TOLGA ŞAHİN
Doktora
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Expectation propagation for state estimation with discrete-valued hidden random variables
Ayrık değerli gizli rastgele değişken içeren durum kestirimi için beklenti yayılımı
ELİF SARITAŞ
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UMUT ORGUNER
- Secure and coordinated beamforming in 5G and beyond systems using deep neural networks
5G ve ötesi sistemlerde derin sinir ağları kullanarak güvenli ve koordineli hüzmeleme
UTKU ÖZMAT
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI
DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL
- Görsel servo kontrol yöntemi ile bir insansız hava aracının kontrol edilmesi
Control of an unmanned aerial vehicle using visual servo control
ZEHRA CEREN
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ERDİNÇ ALTUĞ