Videolarda Optik Akış ve Gauss Karışım Modeli Kullanarak Nesne Tanıma

Türkçe

Bu çalışma, videolarda nesne tanıma için Optik Akış (Optical Flow) ve Gauss Karışım Modeli (GMM) kullanan bir yaklaşım önermektedir. Amaç, insan hareketlerini algılayarak tespit performansını artırmaktır. İki farklı yöntem ışığında deneyler gerçekleştirilmiştir: (1) Arka plan çıkarma ile nesne tanıma ve (2) arka plan çıkarılmadan doğrudan nesne tanıma. Deneylerde ölçülen parametreler, zaman performansı ve tanıma hassasiyetidir. Sonuçlar, arka plan çıkarma uygulanmadığında algılama doğruluğunun genel olarak daha yüksek olduğunu (örneğin, “Daria_walk” videosunda %84.47 doğruluk, işlem süresi 3.2553 saniye) ancak arka plan çıkarma yönteminin toplam işlem sürelerini azalttığını (örneğin, “Daria_walk” videosunda %80.23 doğruluk ve 2.999 saniye işlem süresi) göstermektedir. Benzer şekilde, “Daria_jump” videosunda arka plan çıkarma yöntemiyle %67.88 doğruluk ve 2.6983 saniye işlem süresi elde edilirken, arka plan çıkarılmadan %83.83 doğruluk ve 2.811 saniye işlem süresi elde edilmiştir. Her iki yöntem de tüm videolardaki insan nesnesini doğru şekilde tespit etmiştir. Bu araştırma, bilgisayarla görü alanındaki insan aktivitesi tanıma yöntemlerine katkı sağlamakta ve güvenlik, video gözetimi gibi uygulamalarda kullanılabilirliğini göstermektedir.