Ardışık sayısal görüntülerde çok sayıda hareketli nesnenin tespiti, izlenmesi, tanımlanması ve sınıflandırılması (ntits)

Gelişen teknolojiye bağlı olarak çok yüksek çözünürlüklü sayısal kameralar ucuzlamış, erişimi kolaylaşmış ve kullanım alanları her geçen gün yaygınlaşmaya başlamıştır. Ancak çok yüksek çözünürlüklü ardışık sayısal görüntüler çok büyük miktarda veri içerdiğinden sayısal ortamda işlenip faydalı bilginin ortaya çıkartılması yüksek işlemci hızına ve büyük hesaplama kapasitesine ihtiyaç doğurmaktadır. Yüksek işlemci hızı ve büyük hesaplama kapasitesi sağlansa bile yüksek çözünürlüklü ardışık sayısal görüntülerin gerçek zamanlı olarak özelliklerinin tespit edilmesi, faydalı bilginin çıkartılması aynı zaman diliminde değerlendirilmesi, kullanılan algoritmalara göre çoğunlukla mümkün olmamaktadır. Ardışık sayısal görüntülerden çok sayıda hareketli nesnenin gerçek zamanlı tespiti, izlenmesi, tanımlanması ve sınıflandırılması ise paralel işlem yapabilen çok farklı işlemciler ve onlara uygun algoritmalar gerektirmektedir. Bu tez çalışmasında, Ardışık Sayısal Görüntülerde Çok Sayıda Hareketli Nesnenin Tespiti, İzlenmesi, Tanımlanması ve Sınıflandırılması (NTİTS) için biyomimetik yaklaşımı temel alan iki aşamalı bir yöntem geliştirilmiştir. Yöntemin birinci aşamasında ilgi alanı olan hareketli nesnelerin bulunduğu alanlar tespit edilerek hareketsiz nesnelerden ve arka zeminden ayrıştırılmaktadır. Hareketli alanlar tespit edilirken İnsan, maymun ve bazı başka gelişmiş canlıların gözünün çalışma prensibinden esinlenilmiştir. Bu canlıların gözleri görüş alandaki her noktayı aynı çözünürlükte görmez. İlgi alanı olan nesneleri çok yüksek çözünürlüklü görürken ilgi alanından uzaklaştıkça netlik azalır, objeler flulaşır. Böylece ilgi alanı dışındaki alanların ayrıntılarıyla beyin meşgul edilmez. Doğadaki bu özellik kullanılarak çok yüksek çözünürlüklü görüntülerin tüm piksellerini işlemeye kaynak ayırmaktansa sadece hareketli nesneleri oluşturan alanların analizi yapılmaktadır. Her türlü canlı, cansız, endüktif, kapasitif nesneyi zeminden, arka plandan ve hareketsiz olan diğer nesnelerden ayrıştırmak için optik akış (OA) yöntemi uygulanmaktadır. Yöntemin ikinci aşamasında, hareketli nesnelere ait özellikler çıkartılarak tanımlanma, izleme ve sınıflandırma işlemi yapılmaktadır. Nesne tanımlama ve sınıflandırma işlemlerinde Derin Sinir Ağları (DSA) kullanılmaktadır. Kodlar, Grafik İşlemci Birimleri (GPU)'inde, Merkezi İşlemci Birimleri (CPU)'ne kıyasla çok daha hızlı işlenebildiği için geliştirilen yöntemde GPU'lar kullanılmaktadır. NTİTS yönteminden elde edilen sonuçlar, çok yüksek çözünürlüklü ardışık sayısal görüntüler çok sayıda hareketli nesnelerin tespiti, izlenmesi tanımlanması ve sınıflandırılması işlemini yüksek doğruluk oranı ile gerçekleştirilebildiğini göstermiştir.