Tez No	İndirme	Tez Künye	Durumu
252897		Yüksek başarımlı, bigisayarla görü uygulamaları programlaması / High performance computer vision applications programming Yazar:CELAL MURAT KANDEMİR Danışman: YRD. DOÇ. DR. NİHAT ADAR Yer Bilgisi: Eskişehir Osmangazi Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:Hareket tahmini = Motion estimation ; Hareket tanımlama = Motion specification ; Saklı Markov modeli = Hidden Markov model ; Yapay sinir ağları = Artificial neural networks	Onaylandı Doktora Türkçe 2009 125 s.
Video dizilerinde insan hareket tespiti ve tespit edilen bu hareketlerin tanınmasıbilgisayarlı görünün önemli çalışma alanlarıdır. Hareket tespiti ve tanınması, eğitim,güvenlik ve askeri birçok alanda kullanılmaktadır. Bu tezde, video dizilerinden insanhareketlerinin tespiti ve tanınması için yapay sinir ağını (YSA) ve saklı markovmodelini (SMM) temel alan insan hareket tespit ve tanıma sistemleri modellenmiştir.Hareket tespit ve tanıma sistemi üç aşama içermektedir; insan pozu tespiti, poz dizisiüretimi ve üretilen bu poz dizilerinden hareket tanıma. Birinci aşamada, ilk videoçerçevesinde insan pozunu tespit için, kenar tabanlı biçim değiştirir modeli kullanan birözyinelemeli algoritma kullanılmaktadır. Daha sonra, diğer çerçevelerde insan pozunubulmak amacıyla bu algoritma üç adım arama yöntemiyle birleştirilmiştir. Bu yöntemle,poz bulma süreleri iyileştirilmiştir. İkinci aşamada, video dizilerinden elde edilenhareketlere ait pozların tümü sınıflandırıcı algoritmaya uygulanmıştır. Böylece, pozsembollerinin tekrarı önlenmiş ve kod kitabında bulunmayan yeni poz sembollerininkolay bir şekilde kod kitabına eklenebilmesi sağlanmıştır. Vektör nicemleme ile pozdizileri elde edilmektedir. Hareketlere ait farklı uzunluktaki poz dizileri için ortak vetekrarlı poz ekleme işlemleri iki farklı normalizasyon yöntemi olarak tanımlanmıştır.Üçüncü aşamada, farklı uzunluktaki kod kitapları ve normalize edilmiş poz dizileri,YSA ve SMM tabanlı tanıma modellerinin eğitim ve testinde kullanılmışlardır. Ortakpoz ekleme yöntemiyle normalizasyon, YSA eğitim sürelerini azaltmaktadır ve yüksektanıma oranları sağlamaktadır.
Human action detection in video sequence and recognition of these actions aremajor working fields in computer vision. Action detection and recognition are used inmany areas like education, security, and military. In this thesis, human activity detectionand recognition systems based on Artificial Neural Networks (ANN) and HiddenMarkov Model (HMM) are modeled for detection and recognition of the humanactivities from video sequences. The action recognition system models consist of threestages; human pose detection, pose sequence generation, and action recognition fromthese pose sequences. At the first video frame, an iterative algorithm using edge baseddeformable model is employed to detect human pose. Afterwards, this algorithmcombined with the three step search method is used to find human pose in the remainingframes. With this method, pose finding times are improved. At the second stage, allfeature vectors obtained from the video sequences are fed into classification algorithm.Consequently, pose symbol repetition is prevented and new pose symbols that are not inthe codebook can be easily added. The pose sequences are obtained by the vectorquantization. Addition of repeated and common pose operations are defined as twodifferent normalization methods for the action sequences of different lengths. At thethird stage, codebooks of different lengths and normalized pose sequences are used fortraining and testing ANN, and HMM based recognition models. Common pose additionreduces the learning time and provides high recognition rates in ANN models.