Tez No	İndirme	Tez Künye	Durumu
291950		An automated robust vehicle detection and tracking system for low resolution traffic video sequences / Düşük çözünürlüklü trafik görüntü dizileri için otomatik gürbüz araç tanıma ve izleme sistemi Yazar:MEHMET KAPLAN Danışman: PROF. DR. MUHİTTİN GÖKMEN Yer Bilgisi: İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Araç takip sistemi = Vehicle tracking system ; Bölütleme = Segmentation ; Trafik denetimi = Traffic control	Onaylandı Yüksek Lisans İngilizce 2010 83 s.
Trafik denetim sistemleri şehir içi ve şehirlerarası trafiği kontrol etmek için belediyeler tarafından sıklıkla kullanılmaktadır. Bazıları sadece trafik koşullarını gözetlemek için kullanılırken; kameralar genellikle araç sayısı, trafik akış yoğunluğu, ortalama araç hızı ve tek tek araç hızları gibi trafik parametrelerin elde edilmesi için kurulmaktadır. Örneğin, İstanbul'da şehir içi trafiği gözetlemek amacıyla yaklaşık 175 adet kamera yer almaktadır. Bu kameralardan trafik analizi için yararlanılmasına rağmen, trafik duyargaları analiz görevinin büyük bir kısmını yerine getirmektedir. Halbuki, trafik kameraları görüntü işleme algoritmaları yardımıyla, trafik duyargaları gibi başka bir donanım malzemesine gerek duymadan tüm parametreleri elde edebilir.İlgili parametreleri elde etmek amacıyla, bu tezde bir trafik denetleme sistemi geliştirilmiştir. Sistem şu adımlarla tasarlanmıştır: arka plan ayrıştırma ve hareketli nesne tespiti, örtüşme giderilmesi ve izleme. Öncelikle, hareketli nesnelerin belirlenmesi verimli ve basit bir arka plan ayrıştırma algoritması ile gerçeklenmiştir. Ayrıca, yararlanılan ana algoritma önerilen ayrıt uyarlanabilir eşikleme yaklaşımı ve 3 boyutlu bağlı bileşen analizi gibi bazı katkılarla iyileştirilmiştir. Ayrıt uyarlanabilir ayrıştırma tüm araçların belirlenmesinde (özellikle küçük olanların) ve araçlar için düzgün şekiller elde edilmesinde iyileştirme sağlamaktadır. Ek olarak, ön plan alanlarındaki tutarsızlıkları ortadan kaldırmak için 3 boyutlu bağlı bileşen analizi kullanılmaktadır. Bu katkılarla birlikte, ön plan maskeleri ve hareketli nesneler doğru olarak tespit edilmektedir. Yaklaşımın doğruluğu sistemi bir başka başarılı algoritma ile karşılaştırarak, sayısal sonuçlar ile kanıtlanmıştır.Hareketli nesnelerin tespitinden sonra, başarılı bir örtüşme tespiti algoritması tarafından elde edilen örtüşme olan bölgelerden tekil araçların elde edilmesi için var olan bir örtüşme giderilme sistemi gerçeklenmiştir. Bu yaklaşım sınıflandırma tabanlı bir algoritmadır ve öğrenme amaçlı örnekleri görüntü dizisinden otomatik olarak elde ederek tamamıyla otomatikleştirilmiştir. Bir model öğrenilmesi amacıyla bu örnekler kullanılır; akabinde, ikili sınıflandırma ile örtüşme olan alanlardaki araçların yeri belirlenir. Sistemin avantajı sistemin öğrenme örneklerini görüntü dizisinin kendisinden elde ederek farklı görüntü dizilerine uyum sağlamasıdır. Bu anlamda, genel bir araç modeli yerine görüntüye özgü bir model daha uygun olmaktadır. Ayrıca, kullanıcı seçimlerinden kaynaklanan olası hataları azaltırken sistemi tamamıyla otomatik yapmak amacıyla, ilgili yaklaşıma ek olarak bir otomatik ilgi alanı tespiti algoritması da tasarlanmıştır. Diğer taraftan, sisteme yeni öznitelikler eklenerek var olan sistemdeki öznitelik çıkarılması aşaması geliştirilmiştir. Başarımdaki ilerleme de ayrıca sayısal ve görsel test sonuçları ile kanıtlanmıştır.Son olarak, ortalama hızı ve tek tek araç hızlarını tespit etmek için basit ve verimli bir izleme algoritması sunulmuştur.
Traffic surveillance systems are widely used in numerous municipalities for controlling urban and highway traffic. While some of them are used for only monitoring traffic conditions, cameras are generally installed for extracting traffic parameters such as number of vehicles, traffic flow density, mean vehicle speed and individual vehicles speeds. For instance, in Istanbul there are nearly 175 traffic cameras for monitoring urban traffic. Although these cameras are utilized for traffic analysis, traffic sensors perform most of the analysis work. However, traffic cameras can obtain all parameters with the help of video processing algorithms, without requiring another hardware equipment such as traffic sensors.In order to obtain corresponding parameters, a traffic surveillance system is developed in this thesis. System is designed with following steps: background subtraction and moving object detection, occlusion handling and tracking. Firstly, moving object detection is realized with an efficient and simple background subtraction algorithm. Moreover, utilized main algorithm is improved with some contributions such as proposed edge adaptive thresholding approach and 3-d connected component analysis. Edge adaptive thresholding provides an improvement in detecting all vehicles (especially small ones) and obtaining correct shapes for vehicles. Additionally, 3-d connected component analysis is used to eliminate irregularities in foreground regions. Together with these contributions, foreground masks and moving objects are determined accurately. Accuracy of the approach is also proved by numerical results while comparing the system with another succeeding algorithm.After moving object detection, an existing occlusion handling system is implemented to obtain single vehicles from occluded blobs, which are determined by an efficient occlusion detection algorithm. This approach is a classification-based algorithm and is fully automated by obtaining training examples from the video sequence automatically. In order to train a model, these examples are used; subsequently, vehicles in occluded blobs are located by binary classification. The advantage of the system is that system adapts to different video sequences by acquiring train examples from the video sequence itself. Instead of a general vehicle model, video specific model is more sufficient in this manner. Furthermore, an automatic ROI detection algorithm is proposed in addition to corresponding approach to make the system fully automated, while reducing the possible errors from the user selections. Moreover, feature extraction method in existing occlusion handling system is improved with adding new features to the algorithm. The improvement in accuracy is also indicated with visual and numerical test results.Finally, a simple and efficient tracking method is presented to obtain mean and individual vehicle speeds.