İnsansız Kara Araçlarından Kamera ile Görüntülenen Hareketli Nesnelerin Sınıflandırılması Amacıyla Geliştirilen Görüntü İşleme Tabanlı Yöntemlerin Karşılaştırılması

Basit Öğe Kaydı
dc.authorid0000-0001-6141-7625en_US
dc.contributor.authorGökçe, Barış
dc.contributor.authorSonugür, Güray
dc.date.accessioned2020-01-18T21:06:07Z
dc.date.available2020-01-18T21:06:07Z
dc.date.issued2018
dc.departmentNEÜ, Mühendislik ve Mimarlık Fakültesi, Mekatronik Mühendisliği Bölümüen_US
dc.description.abstractBu çalışmada, hareketli platform olarak kullanılan insansız kara araçlarının seyir halindeyken rotalarıüzerindeki bir kısım hareketli nesnelerin tespiti için görüntü işleme tabanlı olarak geliştirilen ikiyardımcı sistemin performans karşılaştırması yapılmıştır. Yardımcı sistemlerin geliştirilmesinde küreselkonumlandırma sisteminden sağlanan coğrafi konum verileri kullanılmıştır. Çalışmada coğrafikonumlarına göre modelleri çıkartılan arka plan görüntüleri referans model ve anlık model olarak ikifarklı şekilde incelenmiştir. Referans modeller varsayılan arka plan (hareketli nesne içermeyen arkaplan) görüntülerinden elde edilirken, anlık modeller ise gerçek zamanlı arka plan görüntülerinden eldeedilmiştir. Karşılaştırma işlemi sonucu belirlenen siluetler yapay sinir ağları kullanılaraksınıflandırılmıştır. Sınıflandırma için 5 giriş ve 3 çıkışlı bir yapay sinir ağı (YSA) mimarisi uygulanmıştır.Mimarinin son katmanında softmax fonksiyonu kullanılmıştır. Yapay sinir ağında her bir çıkış yaya,otomobil ve bisikletli olarak 3 farklı nesne sınıfını temsil etmektedir. İlk yöntemde iki boyutlu görüntüçakıştırma yöntemi kullanılarak referans ve anlık görüntü çerçeveleri hizalanmıştır. Çerçeve farkıyöntemi ile aynı hizaya getirilen çerçevelerin aritmetik farkları alınarak görüntüye giren dinamiknesnelerin siluetleri elde edilmiştir. İkinci yöntemde arka plan görüntüleri bloklara bölünmüştür.Model oluşturmak için ortalama parlaklık değerleri kullanılmıştır. Referans ve anlık modellerinkarşılaştırma işlemi bloklar arasındaki Öklid uzaklıkları hesaplanarak gerçekleştirilmiştir. Yapılandeneysel çalışmalarda; uzaklığa bağlı olarak %94 ile %71 arası doğru sınıflandırma oranları eldeedilmiştir.en_US
dc.description.abstractIn this study, performance comparison of two assistant systems were developed on the basis of imageprocessing for detecting moving objects along the route of unmanned ground vehicles used as mobileplatform. The geographical position data provided from global positioning system was used to developon the assistance systems. In the study, modeled background images according to their geographicallocations are handled in two different ways as reference model and instant model. Reference modelsare derived from default background (background without moving objects), and instant models arederived from real-time background images. The results of the comparison are classified using artificialneural network techniques. In the first method, the reference and instant frames are aligned using two-dimensional image registration methods. By subtracting aligned frames with the frame differencingmethod, the silhouettes of the moving objects in the scene are obtained. In the second method, thebackground images are divided into blocks. The average gray-level values are used to create the model.The comparison of the reference and instant models are performed by calculating the Euclideandistances between the blocks. For the classification of the silhouettes 5-input and 2-output artificial neural network (ANN) architecture is applied. In this artificial neural network, each output represents adifferent class of objects as pedestrians, cars and bikes. In experimental studies; the farthest distancesdetermined with a success rate of 85% were determined.en_US
dc.identifier.citationGökçe, B., Sonugür, G. (2018). İnsansız Kara Araçlarından Kamera ile Görüntülenen Hareketli Nesnelerin Sınıflandırılması Amacıyla Geliştirilen Görüntü İşleme Tabanlı Yöntemlerin Karşılaştırılması. Afyon Kocatepe Üniversitesi Fen Ve Mühendislik Bilimleri Dergisi, 18, 3, 1118-1129.en_US
dc.identifier.doi10.5578/fmbd.67513en_US
dc.identifier.endpage1129en_US
dc.identifier.issn2149-3367en_US
dc.identifier.issn2149-3367en_US
dc.identifier.issue3en_US
dc.identifier.startpage1118en_US
dc.identifier.urihttps://dx.doi.org/10.5578/fmbd.67513
dc.identifier.urihttp://app.trdizin.gov.tr/publication/paper/detail/TXpBM056UXlNZz09
dc.identifier.urihttps://hdl.handle.net/20.500.12452/2102
dc.identifier.volume18en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isotren_US
dc.relation.ispartofAfyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US]
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectAstronomi ve Astrofiziken_US
dc.subjectBilgisayar Bilimlerien_US
dc.subjectBilgi Sistemlerien_US
dc.subjectDonanım ve Mimarien_US
dc.subjectSibernitiken_US
dc.subjectTeori ve Metotlaren_US
dc.subjectYapay Zekaen_US
dc.subjectYazılım Mühendisliğien_US
dc.subjectBiyolojien_US
dc.subjectBiyoloji Çeşitliliğinin Korunmasıen_US
dc.subjectÇevre Mühendisliğien_US
dc.subjectDeniz ve Tatlı Su Biyolojisien_US
dc.subjectEndüstri Mühendisliğien_US
dc.subjectEnerji ve Yakıtlaren_US
dc.subjectFiziken_US
dc.subjectAkışkanlar ve Plazmaen_US
dc.subjectAtomik ve Moleküler Kimyaen_US
dc.subjectKatı Halen_US
dc.subjectMatematiken_US
dc.subjectNükleeren_US
dc.subjectFizikokimyaen_US
dc.subjectPartiküller ve Alanlaren_US
dc.subjectGenetik ve Kalıtımen_US
dc.subjectGıda Bilimi ve Teknolojisien_US
dc.subjectİmalat Mühendisliğien_US
dc.subjectİnşaat Mühendisliğien_US
dc.subjectİnşaat ve Yapı Teknolojisien_US
dc.subjectİstatistik ve Olasılıken_US
dc.subjectJeokimya ve Jeofiziken_US
dc.subjectJeolojien_US
dc.subjectKimyaen_US
dc.subjectAnalitiken_US
dc.subjectİnorganik ve Nükleeren_US
dc.subjectOrganiken_US
dc.subjectTıbbien_US
dc.subjectUygulamalıen_US
dc.subjectMaden İşletme ve Cevher Hazırlamaen_US
dc.subjectMalzeme Bilimlerien_US
dc.subjectBiyomalzemeleren_US
dc.subjectKâğıt ve Ahşapen_US
dc.subjectKaplamalar ve Filmleren_US
dc.subjectKompozitleren_US
dc.subjectÖzellik ve Testen_US
dc.subjectSeramiken_US
dc.subjectTekstilen_US
dc.subjectMatematiken_US
dc.subjectMetalürji Mühendisliğien_US
dc.subjectMeteoroloji ve Atmosferik Bilimleren_US
dc.subjectMühendisliken_US
dc.subjectBiyotıpen_US
dc.subjectMühendisliken_US
dc.subjectDenizen_US
dc.subjectElektrik ve Elektroniken_US
dc.subjectHava ve Uzayen_US
dc.subjectJeolojien_US
dc.subjectMakineen_US
dc.subjectPetrolen_US
dc.subjectNanobilim ve Nanoteknolojien_US
dc.subjectNükleer Bilim ve Teknolojisien_US
dc.subjectOptiken_US
dc.subjectOrman Mühendisliğien_US
dc.subjectPolimer Bilimien_US
dc.subjectRobotiken_US
dc.subjectTaşınım Bilimi ve Teknolojisien_US
dc.subjectİnsansız Kara Araçlarıen_US
dc.subjectGörüntü İşlemeen_US
dc.subjectNesne Tespiten_US
dc.subjectNesne Sınıflandırmaen_US
dc.subjectUnmanned Ground Vehiclesen_US
dc.subjectImage Processingen_US
dc.subjectImage Detectionen_US
dc.subjectImage Classificationen_US
dc.titleİnsansız Kara Araçlarından Kamera ile Görüntülenen Hareketli Nesnelerin Sınıflandırılması Amacıyla Geliştirilen Görüntü İşleme Tabanlı Yöntemlerin Karşılaştırılmasıen_US
dc.title.alternativePerformance Comparison of Image Processing Based Methods Developed to Classify Moving Objects Captured by Camera from Unmanned Land Vehiclesen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Gökçe, Barış.pdf
Boyut:
1.39 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin/ Full Text
İndir

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu
Makale Koleksiyonu