Visual object tracking in videos from low-altitude flying uavs under occlusion
Alçak irtifada uçan İHA videolarında örtüşme altında görsel nesne takibi
- Tez No: 975885
- Danışmanlar: PROF. DR. AYŞIN ERTÜZÜN, PROF. DR. NAFİZ ARICA
- Tez Türü: Doktora
- 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: 2025
- Dil: Türkçe
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Uçan insansız hava araçlarından elde edilen hava görüntüleri; uydu uzaktan algılama, nesne tespiti ve takibi gibi birçok uygulama için önemli olmuştur. İHA'lardan alınan videolarda karşılaşılan görsel problemler, yere sabitlenmiş kaynaklardan alınan videolara kıyasla daha karmaşıktır. Ayrıca, videolar alçak irtifadan çekilmişse, görsel problemler daha da belirginleşmekte ve bu tür videoların işlenmesini daha zor hale getirmektedir. Bu tez, bu zorlu probleme odaklanmakta ve özellikle bir hedefin, hareketli veya sabit nesneler tarafından engellenmesi sonucu görünmez hale gelmesiyle oluşan örtüşme durumlarında hedef takibine yoğunlaşmaktadır. İlk olarak, örtüşme harici görsel problemlere karşı araç takibi yapabilen yeni bir yöntem olan PFCNN geliştirilmiştir. PFCNN, parçacık filtrelerini konvolüsyonel sinir ağlarıyla birleştirerek, görsel problemlere karşı güçlü bir takip yöntemi oluşturmuştur. Bilgisayar simülasyonları, PFCNN'in derin öğrenme tabanlı güncel yöntemlere kıyasla üstün performansa sahip olduğunu doğrulamaktadır. Daha sonra, kısa ve/veya uzun süreli kısmi ya da tam örtüşmelere karşı dayanıklı hedef takibi gerçekleştirmek amacıyla PFCNNOcc ve nihai PFCNNOcc isimli iki yeni yöntem geliştirilmiştir. PFCNNOcc mimarileri, konvolüsyonel sinir ağı modellerini parçacık filtreleriyle birleştirerek optik akışı, örtüşme haritalarını, segmentasyon maskelerini, sınıflandırma skorlarını ve örtüşme derecesini tahmin edebilmektedir. Bu mimariler, tez kapsamında önerilen şu işlevleri kullanmaktadır: 1.Yeniden Tanımlama, 2.Örtüşme Tespit Edici ve Hesaplayıcı, 3.Tam Örtüşme Yoğun Arama, 4.Birleşik Hedef Tespiti. Bilgisayar simülasyonu, bu işlevlerin nihai PFCNNOcc yöntemini, son teknoloji Siyam ağı tabanlı yöntemler arasında en üst seviyeye taşıdığını göstermektedir. Önerilen mimarilerin eğitimi ve testi için S-UAV adlı yeni bir sentetik veri kümesi oluşturularak literatürde bu tür bir veri kümesine duyulan ihtiyaç karşılanmıştır.
Özet (Çeviri)
Aerial imagery from flying unmanned air vehicles has been very important for many applications such as satellite remote sensing, object detection and tracking. Visual problems in videos from unmanned air vehicles have higher complexity compared to videos taken from ground-based sources.Moreover, if the videos are taken from low-altitude, the visual problems are more severe; thus, processing of such videos is more challenging. This thesis concentrates on this challenging problem and focuses on target tracking under occlusion, which occurs when a target becomes invisible due to blocking by other moving or static objects. First, a new method, named as PFCNN is developed to track vehicles against most visual problems, except occlusion. PFCNN combines a particle filer with a convolutional neural network; and this combination creates a powerful method for tracking against most of the visual problems. Computer simulations verify that PFCNN has superior performance compared to deep learning-based state-of-the-art methods. Then, PFCNNOcc and final PFCNNOcc,two novel methods, are developed to achieve robust target tracking, especially against short- and/or long-term partial and full occlusion. PFCNNOcc architectures also combine convolutional neural network models with particle filters in order to predict optical flow, occlusion maps, segmentation masks, and classification scores, as well as the degree of occlusion. They use the following functions which are proposed in this thesis: 1. Re-Identification, 2. Occlusion Detector and Calculator, 3. Full Occlusion Dense Search, 4. Merged-Target Detection. Computer simulations verify that these functions lead the final PFCNNOcc to the top of the state-of-the-art Siamese network-based methods. A novel synthetic dataset, named S-UAV, is generated to train and to test the proposed architectures, and it fills the gap, arisen for such a dataset in the literature.
Benzer Tezler
- Segmentation-guided optical flow ıntegration for ship tracking in dynamic waters
Dinamik sular ortamında gemi takibi için segmentasyon rehberli optik akış entegrasyonu
MAHMOUD ALSALEH
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BURHAN PEKTAŞ
- Derin obje sezicilerle tümleştirilmiş bayesçi filtreleme ile videoda obje izleme
Integration of bayesian filtering and deep object detection for video object tracking
FİLİZ GÜRKAN GÖLCÜK
Doktora
Türkçe
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU
- Nighttime fire detection from video
Videodan gece yangın tespiti
AHMET KERİM AĞIRMAN
Doktora
İngilizce
2022
Mühendislik BilimleriAbdullah Gül ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KASIM TAŞDEMİR
- Bilgisayar görmesi ile saat çizimlerinden dikkat eksikliği ve hiperaktivite bozukluğu tespiti
Detection of attention deficit hyperactivity disorder from clock drawings using computer vision
HOMAM W. ALNİDAWİ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED FATİH ADAK
DOÇ. DR. ENES SARIGEDİK
- Çoklu kamera ortamında nesne takibi
Object tracking in multi camera environment
EMRAH ÜSTÜN
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EMİN MURAT ESİN