Yazar "Dilmen, Haluk" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
  • Küçük Resim Yok
    Öğe
    Tracking One Dimension State Space Variables With Particle Filter Method
    (Ieee, 2015) Dilmen, Haluk; Talu, M. Fatih
    Particle filter is among the commonly used methods aims tracking of lineer and non lineer systems. Particle filter takes important place for accurate modeling of nonlinear dynamic systems. Given that the data becomes available instantly, update of the system according to incoming data offers extra gains on better adaptation of instant response and reduces data storage. In this study particle filter investigated on a one dimensional artificial data for the sake of understand theory and working principle.
  • Küçük Resim
    Öğe
    Yapısal Özellikleri Kullanan Parçacık Filtresi İle Uzun Süreli Nesne Takibi
    (Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 2017) Dilmen, Haluk; Talu, Muhammet Fatih
    Öz: Nesnelerin uzun süreli takip edilmesi eski bir araştırma konusu olmasına rağmen araştırmacıların hala aktif olarak ilgisini çeken ve hakkında birçok çalışma yapılan araştırma konularının başında gelmektedir. Bu çalışmada tahminsel yöntemler arasında adı anılan, durum uzay değişkenlerinden yararlanarak takip konusunu ilgilendiren dinamikleri modelleyen parçacık filtresi ile nesne takibi gerçekleştirilmiştir. Parçacık filtresinde, parçacık ağırlıklarının belirlenmesinde kullanılan ölçüm modelinde yenilikler sunularak nesnenin yapısal özelliklerinin kullanıldığı SSIM benzerlik katsayısı ile birlikte adaptif histogram eşitlemesi ve nesne merkez bölgesinin ağırlıklandırılması temeline dayanan yeni bir ölçüm modeli geliştirilmiştir. Yapılan deneysel sonuçlar, önerilen nesne takip yönteminin klasik takip performansını en az %18.59 oranında arttırdığı gözlemlenmiştir Başlık (İngilizce): Long Time Object Tracking Using Structural Features With Particle Filter Öz (İngilizce): Although long time tracking is an old research subject, it is still among the research subject actively attracting the attention of researchers and it is one of the research topic many studies conducted about. Object tracking with particle filter, known to be among stochastic methods, models dynamics related to tracking subjects by taking advantage of state space variables, implemented in this study. Presenting improvements in the measurement models used to determine the weight of the particles, a new measurement model based on structural features of similarity coefficients used by SSIM with adaptive histogram equalization and weighting center of the object has been developed in The Particle Filter. Experimental results show that the proposed measurement model in object tracking increase classical tracking performance by at least %18.59