Video Dizilerindeki Araç Plakalarının Üç Boyutlu Model Yardımıyla Stokastik Yöntemlerle İzlenmesi

Abstract

Bu çalışmanın amacı, araç plakalarının üç boyutlu uzay içerisindeki konum ve yönelimlerinin bulunması için video görüntüsünden izlenmesidir. İzleme işlemi her bir olası konum ve yönelimi deneyerek ve o andaki video karesine en iyi uyanı seçerek gerçekleştirilebilir. Eğer nesnenin altı dereceli uzaysal serbestliği berlirlenmek isteniyorsa, durum uzayı altı boyutlu alınabilir. Her serbestlik derecesi için olası değerleri 100 kabul edersek, bu nesneyi olası her durumu deneyerek izleyebilmek için görüntü verisi üzerinde 100 üzeri 6 karşılaştırma yapmamız gerekmektedir. Bu sınırlı çözünürlük ve altı dereceli serbestlik uzayında dahi, bu şekilde gerçek zamanlı izleme yapmanın mümkün olmadığı açıktır. Bu aşamada stokastik izleme kavramı anlamlı olmaktadır. Stokastik izlemenin ardında yatan düşünce, her olası nesne durumunu denemek yerine, durum hakkında tahminlerde bulunmak ve bu tahminleri o anki video karesi ile karşılaştırarak sonuçları bir sonraki video karesi için tahmin yapmakta kullanmaktır. Son yıllarda, bilgisayar ile görüntü işleme problemlerinde Parçacık Filtreleri’nin kullanımına yönelik bir ilgi görülmektedir. Bilgisayar ile görüntü işleme problemlerinde kullanılan özel Parçacık Filtresi’ne Yoğunlaştırma Algoritması veya Ardışıl Önem Örnekleme denmektedir. Bu yöntem hareketli nesneler için gürbüz bir izleme olanağı sunmaktadır. Öte yandan, bu algoritmanın yakınsaması büyük oranda parçacık sayısı ve dinamik modelin doğruluğu arasındaki ilişkiye bağlıdır. Bu tezde Yoğunlaştırma Algoritması’nı iyileştirmek amacıyla FEMZ Parçacık Filtresi’ni öneriyoruz, bu algoritma Farksal Evrim ve Yoğunlaştırma Algoritması’nın bir birleşimidir. FEMZ Parçacık Filtresi’ni üç boyutlu uzayda tek kamerayla araç plakası konum ve yöneliminin izlenmesi için kullandık. Yardımcı Parçacık Filtresi, Yoğunlaştırma Algoritması, Genetik Yoğunlaştırma Algoritması ve FEMZ Parçacık Filtresi’nin izleme başarımlarını karşılaştırdık. FEMZ Parçacık Filtresi diğer üç algoritmaya göre çok daha iyi başarım göstermektedir.

The aim of this work is 3D tracking of license plates from video in order to determine the state (spatial position and 3D orientation) of the license plate from sequential video frames. This can be accomplished in a brute force way by testing every possible orientation and translation. If all six degrees of spatial freedom of the object are to be determined, the state space of the object is six dimensional. Setting the number of possible values of each degree of freedom to 100, the task of tracking by brute force then requires 100 to the power of 6 comparisons. Even with such a limited resolution and a six dimensional feature space, it is computationally impossible to perform tracking in real time. Instead of comparing every possible configuration of the object with each video frame, the idea behind stochastic tracking is to make a set of guesses, compare these guesses with the current frame and use the result of this comparison for a new set of guesses for the next frame. The specialized Particle Filtering method for computer vision problems is introduced as Condensation or Sequential Importance Sampling. Its convergence greatly depends on the trade off between the number of particles/hypotheses and the fitness of the dynamic model. In order to improve Condensation Algorithm, we propose DEMC Particle Filter, which is an integration of the Differential Evolution and Condensation Algorithms. We utilize DEMC Particle Filter for spatial position estimation and tracking of license plates in 3D from monocular camera view. We compared the performance of the Auxiliary Particle Filter, Condensation Algorithm, Genetic Condensation Algorithm and DEMC Particle Filter. DEMC Particle Filter outperforms other three algorithms regarding error rate and robustness.