SavedAdd your journal

Journals / EMO Bilimsel Dergi / 2017 / Cilt: 7 - Sayı: 13

Görsel Hedef Takibi Yöntemlerine Genel Bakış

Bahri Maraş
Nafiz ARICA
Ayşın BAYTAN ERTÜZÜN
Pages
5–16
Publication Date
2017-06-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Ayrıca çalışmaların başarım değerlendirmesi amacıyla literatürde kullanılan veri kümeleri ve karşılaştırma metrikleri de açıklanmaktadır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Görsel hedef takibi, üzerinde uzun süredir çalışılmış ve halen araştırma konusu olmaya devam eden önemli bir bilgisayarla görü problemidir.
📊
Key Findings & Data:Hedef takibi problemi, sabit ya da hareketli bir kameradan alınan video bilgisi üzerinde ilgilenilen nesnenin izlenmesi olarak tanımlanabilir.
💡
Conclusion & Impact:Ayrıca çalışmaların başarım değerlendirmesi amacıyla literatürde kullanılan veri kümeleri ve karşılaştırma metrikleri de açıklanmaktadır.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Bilgisayarla görü · üretici yöntemler · ayırdedici yöntemler

Özet

Görsel hedef takibi, üzerinde uzun süredir çalışılmış ve halen araştırma konusu olmaya devam eden önemli bir bilgisayarla görü problemidir. Hedef takibi problemi, sabit ya da hareketli bir kameradan alınan video bilgisi üzerinde ilgilenilen nesnenin izlenmesi olarak tanımlanabilir. Araştırma konusu olarak ilgi çekmesinin en önemli nedenleri, takibin yapıldığı ortam şartlarında ve takip edilecek nesne hareketinde oluşan değişimlerdir. Başarılı bir hedef takip algoritmasının, ortamda meydana gelen ışık değişimlerine, görüntü gürültüsüne, düşük karşıtlığa, hedefin ortamdaki diğer nesnelerle örtüşmesine, hedefi görüntüleyen kameranın istemsiz hareketlerine vb. karşı gürbüz olması gerekmektedir. Literatürdeki araştırmalar temel olarak üretici (generative) ve ayırdedici (discriminative) olarak iki başlık altına toplanmaktadır. Bu makalede her iki yaklaşımı temel alan son yıllarda geliştirilmiş hedef takibi algoritmaları incelenerek, mevcut yöntemlerin avantaj ve dezavantajları karşılaştırılmalarla anlatılmaktadır. Ayrıca çalışmaların başarım değerlendirmesi amacıyla literatürde kullanılan veri kümeleri ve karşılaştırma metrikleri de açıklanmaktadır.

🔖

Cite This Article

Maraş, B., ARICA, N., ERTÜZÜN, A. B. (2017). Görsel Hedef Takibi Yöntemlerine Genel Bakış. EMO Bilimsel Dergi, Cilt: 7 - Sayı: 13, 5–16. https://ajindex.com/articles/662684

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (15)

  1. A.W. M. Smeulders, D. M. Chu, R. Cucchiara, S. Calderara, A. Dehghan, and M. Shah. “Visual Tracking: An Experimental Survey. PAMI, 36(7):1442–1468, 2014
  2. Y. Wu, J. Lim, and M.-H. Yang. “Online Object Tracking: A Benchmark. In CVPR, 2013
  3. K. Briechle and U. D. Hanebeck, “Template Matching Using Fast Normalized Cross Correlation,” in Proc. SPIE, vol. 4387. 2001, pp. 95–102
  4. S. Baker and I. Matthews, “Lucas-Kanade 20 Years on: A Unifying Framework,” IJCV, vol. 56, no. 3, pp. 221–255, 2004
  5. H. T. Nguyen and A. W. M. Smeulders, “Fast Occluded Object Tracking By A Robust Appearance Filter,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 26, no. 8, pp. 1099–1104, Aug. 2004
  6. A. Adam, E. Rivlin, and I. Shimshoni, “Robust Fragments-Based Tracking Using The Integral Histogram,” in Proc. IEEE CVPR, Washington, DC, USA, 2006
  7. D. L. Shaul Oron, Aharon Bar-Hillel, and S. Avidan, “Locally Orderless Tracking,” in Proc. IEEE CVPR, Providence, RI, USA, 2012
  8. D. Comaniciu, V. Ramesh, and P. Meer, “Real-time Tracking of Non-rigid Objects Using Mean Shift,” in Proc. IEEE CVPR, Hilton Head Island, SC, USA, 2000. 53_MST [9] Maraş, Bahri, Nafiz Arica, and Ayşın Baytan Ertüzün. "Object tracking by combining tracking-by-detection and marginal particle filter." Signal Processing and Communication Application Conference (SIU), 2016 24th. IEEE, 2016
  9. D. A. Ross, J. Lim, and R. S. Lin, “Incremental Learning For Robust Visual Tracking,” IJCV, vol. 77, no. 1–3, pp. 125–141, 2008
  10. E. Maggio and A. Cavallaro, “Tracking By Sampling Trackers,” in Proc. IEEE ICCV, Barcelona, Spain, 2011, pp. 1195–1202
  11. X. Jia, H. Lu, and M.-H. Yang, “Visual Tracking Via Adaptive Structural Local Sparse Appearance Model,” in Proc. IEEE Conf. Comput.Vis. Pattern Recognit., 2012, pp. 1822–1829
  12. J. Kwon and F. C. Park, “Visual Tracking Via Geometric Particle Filtering on the Affine Group With Optimal Importance Functions,” in Proc. IEEE CVPR, Miami, FL, USA, 2009. 56_TAG [14] J. Kwon and K. M. Lee, “Tracking of a Non-Rigid Object Via Patch-based Dynamic Appearance Modeling and Adaptive Basin Hopping Monte Carlo sampling,” in Proc. IEEE CVPR, Miami, FL, USA, 2009
  13. L. Cehovin, M. Kristan, and A. Leonardis, “An Adaptive Coupled-layer Visual Model For Robust Visual Tracking,” in Proc
  14. X. Mei and H. Ling, “Robust Visual Tracking Using L1 Minimization,” in Proc. IEEE 12th ICCV, Kyoto, Japan, 2009
  15. F. Porikli. “Integral Histogram: A Fast Way To Extract His