Artımsal negatif olmayan matris ayrıştırma ile gözetleme türü videolarda arka plan modelleme
Background modeling in video surveillance via incremental nonnegative matrix factorization
- Tez No: 252052
- Danışmanlar: PROF. DR. BİLGE GÜNSEL
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Telekomünikasyon Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Gözetleme türü videoların kullanıldığı uygulamalarının hemen hepsinde video arka planın başarı ile modellenmesi bir gerekliliktir. Oluşturulacak arka plan modeli, video içeriğindeki değişimlere göre uyarlanabilmeli ve temsil başarımı her durumda yüksek olmalıdır. Bunun yanında başarılı bir arka plan modeli, video sahnelerinde var olabilecek yoğun ışıklılık değişimleri ya da yüksek frekans bileşenlerine sahip duruk olmayan arka plan gibi zor durumlara karşı gürbüz olmalıdır. Ancak bu özellikleri barındıran bir arka plan modeline sahip olunduğu zaman videoda ön plan arka plan ayrıştırılması sağlıklı bir şeklide yapılabilir ve amaçlanan uygulamalar gerçeklenebilir.Bu çalışmada, dinamik arka plan modelleme probleminde artımlı negatif olmayan matris ayrıştırma (ANOMA) metodunun kullanımı incelenmiştir. ANOMA'nın gözetleme videolarında yeni gelen çerçevelerin mevcut gösterime katılımını kontrol ederek arka planı başarıyla modelleyebildiği gösterilmiştir. Bunun yanı sıra ANOMA, çevrimiçi yapısı ile teknik yazında var olan negatif olmayan matris ayrıştırma (NOMA) tekniğinin toplu işleme yapısına alternatif, düşük işlemsel karmaşıklıklı bir içerik modelleme metodudur.Performans değerlendirmesi için PETS2001 veri tabanından alınan gözetleme videolarıyla yapılan test sonuçları NOMA, ANOMA ve bu tür uygulamalar için önerilmiş bilinen bir teknik olan artımlı temel bileşen analizi (ATBA) için karşılaştırmalı olarak raporlanmıştır. ANOMA'nın bu uygulamada başarı ile kullanılabileceği görülmüş, özellikle ışıklılık değişimlerine karşı diğer iki yönteme göre daha gürbüz olduğu gözlenmiştir.
Özet (Çeviri)
Modeling the video background effectively is a necessity for most of the video surveillance applications. The background model should be adaptive to the dynamic content changes of the video sequences and should represent the video background successfully regardless the content of the video. Furthermore, a successful background model should be robust against intense illumination changes or non static backgrounds which contain high frequency components. Background-foreground separation and then the intended application can be achieved only if the obtained background model satisfies these conditions.In this work, the use of incremental non-negative matrix factorization method in dynamic background modeling problem is examined. The proposed factorization method is derived from non-negative matrix factorization, and models the dynamic content of the video by controlling contribution of the subsequent observations to the existing model adaptively. Unlike the batch nature of non-negative matrix factorization, INMF is an on-line content representation scheme which is capable of extracting moving foreground objects.Test results are reported in order to compare background modeling performances of INMF, NMF and Incremental Principal Components Analysis, which is a well-known technique. It is concluded that INMF outperforms both NMF and IPCA and its robustness to illumination changes makes it a powerful representation tool in video surveillance applications.
Benzer Tezler
- Passive control of wake from a circular cylinder with a splitter plate: viscous VIC simulation
Dairesel silindirden iz akışının ayırıcı levha ile pasif kontrolu: viskoz VIC benzeşimi
AYDIN MISIRLIOĞLU
- Seismic risk of substandard RC frames with foundation settlement
Temel oturmasına maruz kalmış standart altı betonarme çerçevelerin sismik riski
SHAHIN HUSEYNLI
Yüksek Lisans
İngilizce
2022
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. UFUK YAZGAN
- Güçlendirilmiş bir yapının dbyyhy07'ye göre artımsal mod birleştirme yöntemi ile incelenmesi
Modal pushover analysis with t.e.c.07 of a retrofitted building with t.e.c.98
EMRAH İPEKCİ
Yüksek Lisans
Türkçe
2008
İnşaat MühendisliğiEskişehir Osmangazi Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. NEVZAT KIRAÇ
- Artımsal eş değer deprem yükü yöntemiyle betonarme bir yapının performans seviyesinin belirlenmesi
Determination of the seismic safety of a reinforced concrete structure by incremental equivalent earthquake load method
DOĞUKAN KÖSE
Yüksek Lisans
Türkçe
2008
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. KUTLU DARILMAZ
- Artımsal yapay sinir ağları kullanılarak ultrasonik görüntülerin bölütlenmesi
Segmentation of ultrasound images by using incremental artificial neural networks
MEHMET NADİR KURNAZ
Doktora
Türkçe
2006
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF.DR. TAMER ÖLMEZ