Videoda Nesne Siniflandirmasi için Siluet Tabanli Yöntem

Abstract

Ozetve Videoda insanlara ve ara,lara kar*ilik gelen hareketli Bu makalede akilli gozetleme sistemleri olu*turulmasina bolgelerin bulunmasi sonraki analiz adimlari i,in odaklanma yardimci olacak, ger,ek zamanda, videoda nesne saglamasi ve yapilacak i,leri azaltmasi bakimindan hemen siniflandirmasi yapabilen bir ornege dayali makina ogrenme hemen turm goruntu i,leme sistemlerinin ilk adimidir. Videoda yontemi sunulmaktadir. Sunulan yontem sabit kamerayla hareketli nesne tespiti dogal sahnelerde meydana gelen ani i*ik izlenen bir alanda bulunan nesnelerin siluetlerinden ve hava durumu degi,imi ve kari*ikliga neden olan tekrar eden yararlanarak nesneleri siniflandirmaktadir. Nesne bolutlemesi hareketler (rulzgarda salinan aga, yapraklari) gibi dinamik i,in uyarlanabilir bir arka plan kestirim modeli degi,ikliklerden dolayi gulvenilir bir ,ekilde ger,ekle,tirilmesi kullanilmaktadir. Nesneleri onceden belirlenmi, insan, insan zor olan bir problemdir. Hareketli nesne tespiti i,in siklikla grubu, ara, siniflarina ayirmak i,in ,ablon e,le,tirmeye dayali kullanilan yontemler arka plan kestirimi, istatistiksel metodlar, bir gudumlu siniflandirma yontemi kullanilmi*tir. zamansal farklama ve optik aki*tir [9, 11, 16, 20, 22]. Videoda tespit edilen hareketli bolgeler ger,ek dulnyada 1. GiriE insanlara, ara,lara, hayvanlara ya da karmakari*ik hareket eden Video kullanarak bir sahnede hareket eden nesneleri aga,, ,ali gibi farkli nesnelere kar*ilik gelir. Tespit edilen siniflandirmak zor oldugu kadar bir,ok uygulama vaadeden nesneyi dulzguln bir ,ekilde takip etmek ve faaliyetlerini saglikli dogurgan bir bilimsel problemdir. Bu problemi qali*maktaki bir ,ekilde ,cozumlemek i,in nesnenin tipini siniflandirmak amacimiz siradan bir goruntuye dayali gozetleme sistemine olduk,a onemlidir. Halihazirda ,ekil tabanli ve hareket tabanli eklenebilecek ger,ek zamanda nesne algilamasi ve olmak uzere iki ,e,it nesne siniflandirma yontemi vardir [22]. siniflandirmasi yapabilecek bir sistem geli,tirmektir. Zamana $ekil tabanli metodlar nesnelerin ku,atan kutusu, alani, bagli video bilgisinin ,oklugunu ve karma*ikligini goz onune siluetleri ve tespit edilen alanin gradyani gibi iki boyutlu alirsak ger,ek zamanda qali*acak bu sistemde kullanilacak bilgilerden yararlanirken; harekete dayali yontemler nesnelerin algoritmalarin ve metodlarin hizli ve gulvenilir qali*masi zamansal olarak izlenenozelliklerinden faydalanirlar. gerekmektedir. Bu bildiride bu ozelliklere sahip, sabit bir [14]'te anlatilan yontemde tespit edilen nesnelerin kamerayla elde edilen siyah beyaz video goruntusu uzerinde siluetlerinin uzunlugu ve alanlari kullanilarak nesneler insan, qali*an bir sistem sunulmaktadir. ara, ve diger grubuna siniflandirilmaktadir. Bu metod Sunulan sistemde, hareketli nesne tespiti i, ve di* insanlarin genel olarak ara,lardan daha ku,cuk olmalari ve mekanlarda ba*ariyla qali*an uyarlanabilir bir arka plan ,ekillerinin daha karma*ik olmasi varsayimina dayanmaktadir. kestirimi metodu kullanilarak ger,ekle,tirilmektedir [6]. Siniflandirma ol,cevi olarak dagilginlik kullanilmi* ve nesnenin Hareketli pikseller sahnenin sabit arka planindan b6lutlendikten siluet uzunlugunun karesinin alanina orani olarak sonra birbirine bagli bolgeler belirlenmekte ve bu bolgeler daha tanimlanmi*tir. Siniflandirma her video ,er,evesinde onceden tanimlanmi* olan insan, insan grubu ve ara, siniflarina yapilmakta ve nesne takip algoritmasi sonu,lari siniflandirma ayrilmaktadir. Nesne siniflandirma algoritmasi tespit edilen sonu,larinin tutarliligini iyile,tirmede kullanilmaktadir. hareketli nesnelerin siluetlerinin daha onceden siniflandirilmi* Collins ve digerleri tarafindan geli,tirilen siniflandirma ve bir veritabanina kaydedilmi, *ablonlarin siluetleriyle yontemi tespit edilen nesnelerin baki*a bagli goresel kar*ila*tirilmasina dayanmaktadir. $ablon veritabani ornek ozelliklerini bir sinir agi siniflandiricisini insan, insan grubu, videolardan ornek siluetlerin toplanmasi ve elle uygun siniflara ara, ve diger gruplarini tanimak uzere egitmekte kullanmi*tir ayrilmasiyla olu,turulmu,tur. Nesnelerin siluetleri birbirine [6]. Sinir agina giri, olarak dagilganlik, alan, nesnenin en-boy bagli bolgelerden bir ,evrit i,aretleme algoritmasm yardimiyla orani ve kameranin zum buyutme orani kullanilmi*tir. Onceki qikarilmi*tir [10]. yontemde oldugu gibi siniflandirma her video ,er,evesinde Bildirinin geri kalan kismi ,u ,ekilde duzenlenmi,tir. Ilgili yapilmi* ve sonu,larin zamansal tutarliligini saglamak i,in qali*malar ikinici kisimda degerlendirilmi,tir. Sonraki iki bulunan siniflar bir histogramda tutulmu*lardir. kisimda videoda hareketli nesne tespiti ve nesne siniflandirmasi metodlari anlatilmi*tir. Deneysel sonu,lar be,inci kisimda ve 3. Hareketli Nesne Tespiti sonu, altinci kisimda sunulmu,tur. Onerilen yontemde her video ,er,evesinde bir on plan haritasi ve nesnelerin oizelliklerini vi,karmak i,in arka plan 2. Ilgili Cahl,ma1ar modeli ye alt dulzey go$runtu i,sleme yointemlerinin bile,simi Nesne tespiti ye siniflandirmasi konularinda literatulrde kullanilmaktadir. Kullanilan arka plan kestirim modeli sabit bir yapilmi,s birka,c inceleme makalesi yer almaktadir [1, 8, 22]. kameradan gelen siyah-beyaz go$runtu uzerinde ,cali,smaktadir ye bu modelin geli,stirilmesinde [6]'da yapilan ,cali,smadan