Yapısal Özellikleri Kullanan Parçacık Filtresi İle Uzun Süreli Nesne Takibi
| dc.contributor.author | Dilmen, Haluk | |
| dc.contributor.author | Talu, Muhammet Fatih | |
| dc.date.accessioned | 2020-07-16T10:04:03Z | |
| dc.date.available | 2020-07-16T10:04:03Z | |
| dc.date.issued | 2017 | |
| dc.department | İnönü Üniversitesi | en_US |
| dc.description | Yıl: 2017Cilt: 5Sayı: 1ISSN: Sayfa Aralığı: 107 - 118 Metin Dili:Türkçe | en_US |
| dc.description.abstract | 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 | en_US |
| dc.identifier.citation | Haluk D. , Muhammet Fatih T. (2017). Yapısal Özellikleri Kullanan Parçacık Filtresi İle Uzun Süreli Nesne Takibi, Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, İnönü Üniversitesi, Malatya. | en_US |
| dc.identifier.endpage | 118 | en_US |
| dc.identifier.issn | 2147-9526 | |
| dc.identifier.issue | 1 | en_US |
| dc.identifier.startpage | 107 | en_US |
| dc.identifier.trdizinid | 243329 | en_US |
| dc.identifier.uri | https://hdl.handle.net/11616/17002 | |
| dc.identifier.uri | https://search.trdizin.gov.tr/yayin/detay/243329 | |
| dc.identifier.volume | 5 | en_US |
| dc.indekslendigikaynak | TR-Dizin | en_US |
| dc.language.iso | tr | en_US |
| dc.publisher | Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji | en_US |
| dc.relation.ispartof | Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji | en_US |
| dc.relation.publicationcategory | Makale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanı | en_US |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.title | Yapısal Özellikleri Kullanan Parçacık Filtresi İle Uzun Süreli Nesne Takibi | en_US |
| dc.title.alternative | Long Time Object Tracking Using Structural Features With Particle Filter | en_US |
| dc.type | Article | en_US |
