Geri Dön

Multi-target detection & tracking using machine learning methodologies

Makine öğrenme metodolojileri kullanarak çoklu hedef tespit ve izleme

  1. Tez No: 898877
  2. Yazar: MUHAMMAD JUNAID
  3. Danışmanlar: PROF. DR. NAIM MAHMOOD MUSLEH AJLOUNI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Çok hedefli takip, Makine öğrenimi, Gözetim sistemi, Multi-target tracking, Machine learning, Surveillance system
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Atlas Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2024

    Savunma ve Savunma Teknolojileriİstanbul Teknik Üniversitesi

    Savunma Teknolojileri Ana Bilim Dalı

    PROF. DR. İBRAHİM ÖZKOL

  2. 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

    Türkçe

    2022

    Makine Mühendisliğiİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. CEVAT ERDEM İMRAK

  3. 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

    İngilizce

    2023

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. UMUT ORGUNER

  4. 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

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHMET AKİF YAZICI

    DR. ÖĞR. ÜYESİ MEHMET FATİH DEMİRKOL

  5. 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

    Türkçe

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ERDİNÇ ALTUĞ