Visual object tracking using co-difference features

Görsel nesne takibi, gözetlemeden tıbbi çalışmalara kadar birçok alanda geniş bir uygulama alanına sahip, yaygınca çalışılan bilgisayarla görü alanlarından birisi olmuştur. Literatürde problemin çözümüne yönelik farklı yaklaşımlar sergilenmektedir. Bazıları, nesnenin görüntü üzerindeki konumunu bulmak için bir görüntü modelinin oluşturulup kullanıldığı üretici yöntemleri kullanırken, diğerleri nesne ve arkaplanı iki ayrı sınıf olarak modelleyerek takip işlemini ikili sınıflandırma problemine dönüştüren ayırıcı yaklaşımları kullanmaktadır. Bu çalışmada, ortak-fark matrisine dayalı yeni bir nesne takip algoritması sunuyor ve bu algoritmanın performansını iki farklı uygulama üzerinde güncel takip algoritmaları ile karşılaştırıyoruz. Geniş bir veri seti ile yapılan deneyler, sunduğumuz ortak-farka dayalı obje takip algoritmasının takip koruma, başarı oranı ve konumlandırma hassasiyeti yönlerinden başarılı sonuçlar verdiğini göstermiştir. Sunulan algoritma, imge betimleyici olarak ortak-fark matrisini kullanmaktadır. Ortak-fark özniteliklerinin çıkarılması yaygınca bilinen kovaryans metoduna benzemektedir. Ancak, vektör çarpım operatörü, çarpma işlemi içermeyecek şekilde tanımlanmıştır. Bu yeni operatör, gerçek zamanlı nesne takip uygulamaları için işlemsel olarak verimli bir çözüme imkan vermiştir. Deneylerimizde kullanmak üzere, görsel nesne takibi için işaretlenmiş 70000'den fazla imgeyi içeren bir karşılaştırma altyapısı oluşturduk. Deneylerimizi iki farklı uygulama alanı için ayrı ayrı gerçekleştirdik. İlk ugulama alanı kızılötesi gözetleme sistemleriydi. Bu uygulama için, insanlar, arabalar ve askeri araçlar gibi çeşitli nesneleri içeren bir termal görüntü veri seti kullandık. İkinci uygulama alanı hızlı çekim mikroskop görüntülerinde hücre takibiydi. Bu uygulama için kullanılan görüntü dizileri, farklı boyut ve şekillerdeki hücreleri içermekteydi. İki uygulama için kullanılan veri setleri de önemli miktarda dönme ve arkaplan karmaşıklığı içermektedir. Takip algoritmalarının performansları üç farklı ölçüt aracılığı ile niceliksel olarak değerlendirildi. Bu ölçütler, bir algoritmanın takip koruma skorunu, başarı oranını ve konumlandırma hassasiyetini ölçmektedir. Deney sonuçları, ortak-farka dayalı takip algoritmasının, gözetleme veri seti için en yüksek başarı oranı ve konumlandırma hassasiyetine, hareketli hücre dataseti için en yüksek takip koruma oranına sahip olarak en başarılı algoritmalar arasında olduğunu göstermiştir.