Geri Dön

Tracking by classification

Sınıflandırma ile takip

PDF İndir

  1. Tez No: 340968
  2. Yazar: TUĞHAN MARPUÇ
  3. Danışmanlar: PROF. DR. ABDULLAH AYDIN ALATAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tezde, yeni çevrimiçi sınıflandırma yöntemleri ve bu yöntemlerin 2B görüntülerde takip uygulamaları analiz edildi. Son zamanlarda, sınıflandırma ile takip ya da tespit ile takip, olarak adlandırılan bir grup yöntem zorlu videolarda başarılı sonuçlar elde etti. Bu yöntemler takip sırasında hedefi arkaplandan ayırmak için çevrimiçi bir sınıflandırıcıyı eğitirler. Takibe hedefin ilk pozisyonu ve bir grup rastgele seçilmiş öznitelikle başlarlar. Daha sonra, takip algoritmasının son durumu ve mevcut kareden çıkarılan pozitif ve negatif örnekler kullanılarak, sınıflandırıcı kendi kendisini eğitir. Bu tezde, çevrim içi sınıflandırıcılardan birkaçı analiz edildi ve yeni bir hedef takip sistemi önerildi. Sınıflandırıcının marjını artırmak için bir öznitelik seçme yöntemi sunuldu ve bu yöntemin çalışıp çalışmadığı bir Monte Carlo testi ile gösterildi. Daha sonra, takip sırasında seçilen özniteliklerin başarısı saklı Markov modeli ile süzüldü. Saklı markov modelinin bir durumu örtüşmeleri çözmek için kullanıldı. Önerilen takip algoritması herkesin ulaşabileceği zorlu videolarda test edildi ve gerçek zamanda diğer algoritmalara üstünlük sağlayan bir başarım elde edildi.

Özet (Çeviri)

Novel online classifiers are examined and their applications on 2D visual tracking are analyzed in this study. Recently, an emerging class of methods, namely tracking by classification or tracking by detection, achieved quite promising results on challenging tracking data sets. These techniques train a classifier in an online manner during tracking to separate the object from its background. These methods only take input location of the object and a random feature pool; then, a classifier bootstraps itself by using the current tracker state and extracted positive and negative samples. In this thesis, several of these online classifiers are analyzed and a novel tracking system is proposed. A novel feature selection method is introduced to increase the discriminative power of the classifier and a Monte Carlo experiment is setup to observe the performance of the proposed technique. As a final step, a Hidden Markov Model (HMM) is utilized to filter the features that improve the performance during tracking. Moreover, a state of the proposed HMM is allocated to handle occlusions. The proposed tracker is tested on publicly available challenging video sequences and superior tracking results are achieved in real-time.

Benzer Tezler

  1. Tez No

    384969

    Decision making in tracking applications by using Dempster-Shafer theory

    Hedef takip uygulamalarında Dempster-Shafer teorisi kullanarak karar verme

    HASAN İHSAN TURHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MÜBECCEL DEMİREKLER

  2. 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

  3. Tez No

    849323

    Classification of chicken products by deep learning

    Tavuk ürünlerinin derin öğrenme yardimiyla siniflandirilmasi

    MUSTAFA ALI HUSSEIN HUSSEIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırşehir Ahi Evran Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MEMDUH KÖSE

  4. Tez No

    56852

    Correlation smooting for DOA tracking subspace tracking by jacabi method and their performances in conjuction with music

    Geliş yöünün izlemek için ilinti, düzleme jacobi yöntemi ile altuzay izleme ve bunların ÇSS ile başarımı

    MUSTAFA KOŞAROĞLU

    Doktora

    İngilizce

    İngilizce

    1996

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. YALÇIN TANIK

  5. Tez No

    476314

    Non-compaction“ saptanan hastalarda sol ventrikül fonksiyonlarinin doku doppler ve ”speckle tracking" yöntemleri ile değerlendirilmesi

    The evaluation of left ventriculer functions by tissue Doppler and speckle tracking methods in non-compaction patients

    MEHMET EMRE ARI

    Tıpta Yan Dal Uzmanlık

    Türkçe

    Türkçe

    2014

    Çocuk Sağlığı ve HastalıklarıSağlık Bakanlığı

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    DOÇ. DR. İBRAHİM İLKER ÇETİN

Geri Dön