Tez No	İndirme	Tez Künye	Durumu
509212		New approaches to improve performance of background subtraction / Arka plan çıkarma başarımı iyileştirmek için yeni yaklaşımlar Yazar:ŞAHİN IŞIK Danışman: DOÇ. DR. KEMAL ÖZKAN Yer Bilgisi: Anadolu 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 2018 97 s.
İşlenen bir görüntüde ön planın arka plandan ayrıştırılması, adıyla arka plan modelleme, bazı bilgisayar görme uygulamalarının performansını olumlu şekilde etkiler. Hareketli cisim tanıma, kişi takibi, trafik izleme, hareket yakalama, telekonferans ve güvenlik gözetim sistemleri de içermek üzere birçok görev için ön işlem olarak düşünülür. Video arka planları statik ve dinamik olarak iki kategoride değerlendirilebilir. Bu çalışmada, arka plandaki çıkarma işleminin performansını artırmak için, test imgesi ve arka plan imgesi arasındaki uzaklığın hesaplanmasında farklı araçlar kullanılarak ve dinamik denetleyici parametrelerinin ötesinde çalışan bir geri bildirim mekanizmasının entegrasyonuyla dört farklı yöntem geliştirilmiştir. Bu yöntemler Ortak Vektör Yaklaşımı Kullanarak Arka Plan Modelleme (BMCVA), Ortak Matris Yaklaşımı Kullanarak Arka Plan Modelleme (BMCMA), Kayan Pencere Tabanlı Hareket Tanıma (SWCD) ve Ortak Vektör Tabanlı Arka Plan Çıkarma (CVABS) olarak adlandırılmıştır. CDnet2014 ve Wallflower veritabanları üzerinde dinamik arka planlarla ilgili alakalı farklı problem türleri üzerinden çeşitli deneyler yapılmıştır. Gerçek-Pozitif (TP), Doğru-Negatif (TN), Yanlış-Pozitif (FP) ve Yanlış-Negatif (FN) sayıları üzerinden hesaplanan metrikler objektif ölçümler olarak kullanılmış ve elde edilen görsel sonuçlar nesnel olarak değerlendirilmiştir. Elde edilen sonuçlar incelendiğinde, önerilen yöntemlerin farklı zorluklar için başarılı sonuçlar verdiğini gözlemlenmiştir.
Separation of the foreground from background on a processed image, namely background modelling, positively affects performance of certain computer vision applications. It has considered as preprocess for many tasks including moving object recognition, person tracking, traffic monitoring, motion capturing, teleconference and security surveillance systems. Video backgrounds can be considered in two categories as static and dynamic backgrounds. To improve the performance of background subtraction, we have developed four different methods by using different tools in case of distance computation between test and background frame and integrating a feedback mechanism that works beyond dynamic controller parameters. These methods are called as Background Modelling Using Common Vector Approach (BMCVA), Background Modelling Using Common Matrix Approach (BMCMA), Sliding Window-Based Change Detection (SWCD) and Common Vector Approach Based Background Subtraction (CVABS). Various experiments have conducted on different problem types related to dynamic backgrounds over CDnet2014 and Wallflower datasets. Several types of metrics calculated over the results of True-Positive (TP), True-Negative (TN), False-Positive (FP) and False-Negative (FN) counts, have utilized as objective measures and the obtained visual results are judged subjectively. Once the obtained results inspected, it has observed that the proposed methods generate successful results for different challenges.