Hareketli Nesne Tespitinin Örüntü Tanıma Yöntemleri ile İyileştirilmesi

Year 2020, Volume: 3 Issue: 1, 9 - 15, 30.06.2020

Emrah Şimşek Gülşah Tümüklü Özyer Barış Özyer

Abstract

Arka plan çıkarma ve çerçeve farkı yöntemleri
hareketli nesne tespiti çalışmalarında yaygın olarak kullanılmaktadır. Bu iki
yöntem uygulanırken arka planın hareketli olması ve ışık şiddeti değişimi gibi
iki temel zorluk ile karşılaşılmaktadır. Literatürde bu zorlukların çözümü için
histogram eşitleme, eşikleme, görüntü bulanıklaştırma gibi işlemler
uygulanmaktadır. Çalışmamızda örüntü tanıma yöntemi ile ardışık görüntülerdeki
arka plandaki hareketi veya ışık şiddeti değişimini tespit ederek bu zorluklar
çözülmeye çalışılmıştır. Çalışmamızda öncelikle Değişen Gauss Ortalama ve
çerçeve farkı yöntemi ile hareketli nesnelerin olduğu çıktılar elde
edilmektedir. Devamında elde edilen bu çıktılar uygun, arka plan hareketi veya ışık
şiddeti değişimi olarak sınıflandırılmaktadır. Işık şiddeti değişimi olan
görüntülerde histogram eşitleme, arka plan hareketi olan görüntülerde
Gaussların Karışımı ve medyan filtre uygulanarak elde edilen sonuçlar
iyileştirilmektedir. Görüntülerin sınıflandırılmasında Yerel İkili Örüntü (YİÖ)
özniteliği ile rastgele orman sınıflandırma algoritması kullanılmıştır. Foto
kapan veri seti üzerinde yaptığımız uygulamalarda hareketli nesne tespiti
başarısı %11-%16 oranlarında iyileştirilmiştir.

Keywords

hareketli nesne tespiti, rastgele orman, lbp, arka plan çıkarma, çerçeve farkı

Supporting Institution

Atatürk Üniversitesi

Project Number

FYL-2018-6623

Thanks

Bu çalışma Atatürk Üniversitesi Bilimsel Araştırma Projelerini destekleme programı kapsamında FYL-2018-6623 proje numarası ile desteklenmiştir.

References

• Kulchandani, J. S., & Dangarwala, K. J. (2015, January). Moving object detection: Review of recent research trends. In Pervasive Computing (ICPC), 2015 International Conference on (pp. 1-5). IEEE.
• Piccardi, M. (2004, October). Background subtraction techniques: a review. In Systems, man and cybernetics, 2004 IEEE international conference on (Vol. 4, pp. 3099-3104). IEEE.
• Weiming Hu, Tieniu Tan, Liang Wang, and Steve Maybank, “A Survey on Visual Surveillance of Object Motion and Behaviors,” IEEE Trans. on Systems, Man, and Cybernetics—Part C: Applications and Reviews,vol. 34, no. 3, pp. 334-352, August 2004.
• Bahadir Karasulu and Serdar Korukoglu (2013). Performance Evaluation Software: Moving Object Detection and Tracking in Videos.
• Şimşek E., Özyer B., Özyer G. T. Animal Detection in Camera-Trap Images, 1. Uluslararası Teknoloji Bilimleri Ve Tasarım Sempozyumu.
• Kays, R., Tilak, S., Kranstauber, B., Jansen, P. A., Carbone, C., Rowcliffe, M. J., ... & He, Z. (2010). Monitoring wild animal communities with arrays of motion sensitive camera traps. arXiv preprint arXiv:1009.5718.
• Soharab Hossain Shaikh, Khalid Saeed and Nabendu Chaki.(2014). Moving Object Detection Using Background Subtraction.[Online]. Available: http://link.springer.com/book/10.1007%2F978-3-319-07386-6
• Jain, R., & Nagel, H. H. (1979). On the analysis of accumulative difference pictures from image sequences of real world scenes. IEEE Transactions on Pattern Analysis and Machine Intelligence, (2), 206-214.