Bu tezde, ortalama kayma algoritması ve uyarlamalı Kalman filtresi birlikte kullanılarak görüntü dizilerinde nesne takibi gerçekleştirilmiştir. Ortalama kayma algoritması takip edilen nesnenin ardışık iki görüntü arasında hızlı yer değiştirmesi veya nesnenin başka nesneler tarafından engellenmesi gibi durumlarda iyi sonuçlar verememektedir. Yapılan çalışmada, takip edilen nesnenin aranacağı başlangıç konumu Kalman filtresi tarafından tahmin edilir ve ortalama kayma algoritması nesneyi bu konumda aramaya başlar. Ortalama kayma algoritmasından elde edilen Bhattacharyya katsayısı, Kalman filtresinin ölçüm hata kovaryans matrisini anlık güncellemede ve nesnenin engele maruz kalıp kalmadığına karar vermede kullanılır. Deneysel sonuçlar önerilen yöntemin nesnenin engellenme ve hızlı hareket etme durumları için standart ortalama kayma algoritmasına kıyasla daha etkili olduğunu göstermektedir.
In this thesis, object tracking in video sequences isimplemented by using both mean shift algorithm and adaptive Kalman filter. Mean shift algorithm cannot give good results when the position of the tracked object is changed rapidly between subsequent two frames or the tracked object is occluded.In this study,initial position to searchthe tracked object is predicted by Kalman filter and then the mean shift algorithm begins to search the object in this position. Bhattacharyya coefficient, which is obtained from mean shift algorithm, is used to instantly update Kalman filters error covariance matrix and determine whether object is occluded or not. Experimental results demonstrate that the proposed method has been more efficient technique as compared to standard mean shift algorithm in case of occlusion and fast object tracking.
