Object segmentation and tracking in digital image with active contour model and heuristic method

Bu tezde, Aktif Kontur modeli ve sezgisel yöntemle sayısal görüntüde nesne bölütleme ve izleme ile birlikte çoklu yer hedef izleme algoritmaları incelenmiştir. Yer hedefi izlemenin farklı yönlerinden, yer hedefi hareketinin özelliklerine ve kullanılan sensörlere göre üç farklı izleme algoritması önerilmiştir. İlk olarak, yer hedefleri için bağımlı hedef takibi incelenmiştir. Durum bağımlılığı, geleneksel hedef izleme algoritmalarında yaygın bir varsayımdır, ancak bu, hedeflerin hareketi belirli bir yolla sınırlandırıldığı için yer hedefi izlemede doğru olmayabilir. Bu yaklaşım, en son teknolojiye sahip yaygın izleyicilerdeki kapsamlı araştırmayı büyük ölçüde azaltırken, hedef görünüm değişikliğinin verimli bir şekilde temsil edilmesini sağlar. Bu projenin birincil katkısı, yeniden görünme tespiti için sezgisel yöntemlerle aktif konturlar kullanarak video nesnesi bölümleme problemine uygulanacak son teknoloji yöntemlerden yararlanmak için basit bir yaklaşım önerme yöntemi olacaktır. Performansı son teknoloji yayınlanmış algoritmalarla karşılaştırmak için 100 genel karşılaştırma videosu ve yüksek kare hızı karşılaştırması üzerinde deneyler gerçekleştirilir. Deneyin sonuçları, önerilen izleyicinin iyi performansa ulaştığını, diğer algoritmaları ise büyük bir farkla hızda geride bıraktığını gösteriyor. Önerilen görsel hedef izleyici, tek bir kamera kullanılarak yeni bir çoklu yer hedefi izleme algoritmasına entegre edilmiştir. Çoklu hedef izleyici, tek hedef izleyicinin yanı sıra hedef tespit, veri ilişkilendirme ve izleme yönetimindeki sorunları ele alır. Yakın tarihli Evrişimli Sinir Ağları (CNN) tabanlı dedektörü kullanan perspektif farkındalık bir algılama algoritması, birden fazla yer hedefini tespit etmek ve küçük nesneleri tespit etmede CNN dedektörlerinin zayıflığını hafifletmek için önerildi. Olası yanlış sınıflandırılmış tespitlerle çok sınıflı ilişki sorununu çözmek için hiyerarşik bir sınıf ağacı tabanlı çok sınıflı veri ilişkilendirmesi sunulmuştur. Hat yönetimi, yüksek verimli dedektörler kullanılarak da geliştirildi ve ölü izleri doğru şekilde kaldırmak için Destek Vektör Makinesi (SVM) tabanlı iz silme önerildi. Kıyaslama deneylerde sunulur ve sonuçlar analiz edilir. Gerçek uygulamalardaki faydayı gösteren, önerilen algoritmanın uygulanmasına ilişkin bir vaka çalışması sağlanmıştır.