Tez No	İndirme	Tez Künye	Durumu
444629		Part-based object tracking with correlation filters / İlinti filtreleri ile parça tabanlı nesne takibi Yazar:OSMAN AKIN Danışman: YRD. DOÇ. DR. İBRAHİM AYKUT ERDEM Yer Bilgisi: Hacettepe Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2016 126 s.
Görsel nesne takibi ilk çerçevede yeri verilen bir nesnenin sonraki çerçevelerde bulunmasını konu edinen bilgisayarlı görü alanındaki zor problemlerden birisidir. Görsel nesne izleme problemine çözüm bulmak için literatürde birçok yaklaşım önerilmiştir fakat birçoğu ya nesneyi kaybetme ya da gerçek zamanlı olamama problemi ile karşı karşıyadır. Son zamanlarda parça tabanlı yaklaşımlar özellikle kapanmış nesneler için çok iyi sonuçlar önermişlerdir. Ancak parçaları bir arada tutmak için parametrelerin kontrol edilmesi gibi problemlere sahiptirler. Bunun yanında hedefin yeri belirlenirken oldukça sezgisel yaklaşım kullanmaları veya parçalar arasında ilişkilerin belirlenmesi gibi problemler hala devam etmektedir. Bu tezde önceki yaklaşımların aksine kısa ve uzun süreli görsel nesne izlemeyi hedefleyen ilinti tabanlı üç farklı algoritma önerilmiştir. İlk çalışmamız öğrenme ve algılama yöntemini ilinti filtre tabanlı izleme yöntemiyle birleştirmektedir. Yani önerdiğimiz öğrenme ve algılama yöntemi izleme algoritmamızın uzun vadede nesneyle beraber kalmasına imkân sağlamaktadır. İkinci algoritmamız çoklu özniteliklerin ilinti tabanlı yöntemlerle birleştirilmesini konu almakta ve bu sayede farklı öz niteliklerle renk bilgisini birleştirerek kısmi kapanma, şekil bozulması ışık değişimi gibi problemlere çözüm sunmaktadır. Son oalrak üçüncü izleme yöntemimiz genel ve yerel yapılanmanın avantajını kullanarak deformasyona dayalı parça tabanlı bir izleme algoritması ile kapanma ve ölçekleme problemine çözüm sunmaktadır. Dört büyük veri kümesi(OTB-50, TB-100, Nus-pro and VOT2015) üzerinde yapılan deneyler göstermiştir ki önerdiğimiz yaklaşımlar, özellikle üçüncü olarak önerdiğimiz izleme yöntemimiz gerçek zamanlı olarak birçok başarılı olmuş çalışmadan daha iyi sonuçlar vermiştir.
Visual object tracking is a challenging problem in computer vision that deals with tracking an object of interest in a sequence of images given its location in the initial frame. In the literature, numerous approaches have been proposed to handle the problem but some are still either affected by the drifting issue or some other cannot track in real time. Recently, part-based approaches have shown a great potential for tracking generic objects under severe occlusions. However, they need to control a large number of parameters to keep the parts in a good shape. Moreover, they consider very ad-hoc solutions while localizing the target object in a frame or constructing the geometric constraints between parts. Contrary to the previous methods, in this thesis, we address the problem of short-term and long-term visual object tracking, and propose three different correlation-filter based trackers. Our first tracker integrates the idea of learning and detection with the correlation-filter based tracking mechanism. In particular, our proposed learning and detection approach allows the tracker to keep track of the object interest in a long-term tracking setting. Our second tracker investigates the use of multiple visual cues within a correlation-filter based framework, giving advantages of fusing different features as well as color to successfully address a number of tracking challenges such as robustness to partial occlusion, motion blur, illumination changes etc. Lastly, our third tracker employs a deformable part-based scheme and takes advantage of using a global and multiple local filters in a collaborative manner to cope with partial occlusion as well as scale changes. Experiments on four large public benchmark datasets (OTB-50, TB-100, Nus-pro and VOT2015) demonstrate that our approaches, specifically the deformable part-based tracking by coupled and local correlation filters (DPCF) give significantly better results compared to the state-of-the-art trackers, and work in real time.