Computer Engineering / Bilgisayar Mühendisliği
Permanent URI for this collectionhttps://hdl.handle.net/11147/10
Browse
3 results
Search Results
Research Project Trafik sahnelerinde tümyönlü ve Ptz kameralar ile araç tespiti ve sınıflandırması(2016) Baştanlar, YalınÇalışmamızda trafik sahnelerindeki araçların tespit edilip sınıflandırması için bir tümyönlü bir de pan-tilt-zoom (PTZ) kamera içeren hibrit bir kamera sisteminin kullanılması önerilmiştir. Önerilen sistemde, tümyönlü kamera şekil tabanlı öznitelikler ile taşıt sınıflandırması yapabilmekte, eğer varsa hedef sınıf olarak belirlenmiş nesneleri tespit ederek PTZ kameranın o nesnelere yönelmesini sağlayabilmektedir. Bu şekilde, tümyönlü kamera genel tespit, takip ve sınıflandırma işlemine devam ederken istenilen araçlar için PTZ kamera yüksek çözünürlüklü görüntü alabilmektedir. Ayrıca, sınıflandırma başarımını artırmak amacıyla PTZ kamera görüntülerinden çıkarılan gradyan tabanlı öznitelikleri de kullanarak ikinci bir sınıflandırma yapılabilmektedir. Bahsedilen yaklaşımların sınıflandırma başarımları yapılan deneylerle ölçülmüştür. Ayrıca PTZ kamera ile takip modülü gerçekçi senaryolar üzerinde incelenmiştir. Üzerine çalışılan nesne tipleri motosiklet, araba, dolmuş ve yayadır.Research Project Fotokapan fotoğraflarında bazı hayvan türlerinin tespiti(2018) Baştanlar, YalınFotokapanlar dogada vahsi hayvanları gözlemlemek için kurulan hareket sensörlü kameralardır. Gelisen teknolojilerle birlikte fotokapan kullanımı ve dolayısıyla sahadan toplanan imge sayısı belirgin bir sekilde artmıstır. Tüm fotokapan görüntülerinin elden geçirilmesi ve içinde hayvan olup olmadıgının ve hangi hayvan oldugunun tespit edilmesi için gerekli isgücü de orantılı olarak artmaktadır. Çalısmamızda amaç, bu tespitleri otomatik yaparak doga arastırmacılarına gözle kontrol etmeleri gereken çok daha az sayıda fotograf bırakmaktır. Bu amaç dogrultusunda öncelikle asırı parlak, karanlık ve bulanık fotografların elenmesi için etkili teknikler arastırılmıstır. Bu kullanıssız fotografların elenmesinin ardından birinci hedef hayvan içeren fotografların tespitidir. Çalısmamızda, bunun için hem arkaplan çıkarımı ile nesne tespiti (fotokapanlar degismeyen arkaplanı bulunan sahneden degisen zaman aralıkları ile imge topladıgından) hem de evrisimli yapay sinir agları (EYSA) ile nesne bulma teknikleri bir arada kullanılarak hayvan içermeyen imgeleri ayıklayan bir sistem önerilmistir. Bir diger hedef de fotograflarda belirli bir hayvan türünün tespitidir. Bunun için de evrisimli yapay sinir aglarını (EYSA) belirli bir hayvan türünü bulmak için egitmek üzerine arastırma yapılmıs, parça-tabanlı egitime dayalı özgün bir yöntem önerilmistir. Ayrıca, gelistirilen eleme ve hayvan bulma yöntemlerin nasıl bir arayüz ile kullanıcıya aktarılması gerektigi ile ilgili de arastırma yapılmıs, bir yazılım prototipi gelistirilmistir.Article Citation - WoS: 3Citation - Scopus: 3Elimination of Useless Images From Raw Camera-Trap Data(Türkiye Klinikleri Journal of Medical Sciences, 2019) Tekeli, Ulaş; Baştanlar, YalınCamera-traps are motion triggered cameras that are used to observe animals in nature. The number of images collected from camera-traps has increased significantly with the widening use of camera-traps thanks to advances in digital technology. A great workload is required for wild-life researchers to group and label these images. We propose a system to decrease the amount of time spent by the researchers by eliminating useless images from raw camera-trap data. These images are too bright, too dark, blurred, or they contain no animals To eliminate bright, dark, and blurred images we employ techniques based on image histograms and fast Fourier transform. To eliminate the images without animals, we propose a system combining convolutional neural networks and background subtraction. We experimentally show that the proposed approach keeps 99% of photos with animals while eliminating more than 50% of photos without animals. We also present a software prototype that employs developed algorithms to eliminate useless images.