Naslov (srp)

Robusno praćenje pokretnih objekata na termalnoj slici : doktorska disertacija

Autor

Vlahović, Nataša, 1987-

Doprinosi

Kovačević, Branko, 1951-
Banjac, Zoran Đ., 1968-
Đurović, Željko, 1964-

Opis (eng)

Moving objects tracking is currently a popular topic because of the growing demand forsurveillance and monitoring systems. Thermal cameras enable visibility during the day as well asnight, which is a great advantage over visual cameras. Better thermal image resolution and qualityhave led to increased usage in many civil applications. However, thermal cameras have differentfeatures compared to visual cameras, which is an additional challenge in the development oftracking algorithms.The main research topic of this dissertation is analysis of a single moving object trackingproblem, as well as the development of robust tracking algorithms for thermal images.A review of available literature revealed that good results are obtained when featuredescriptor-based algorithms are used, especially a SURF (Speeded Up Robust Features) algorithm.However, poor image quality or contrast, as well as any imperfection of the SURF algorithm itselfand the presence of occlusions, can cause feature matching errors. These situations point out thatthere is a need for motion prediction and estimation.Examination of literature sources, as well as of databases designed for the thermal imagetracking problem, led to a more significant conclusion: there are no papers that analyze in detailthe errors of a SURF algorithm in a thermal image. That is why one of the goals of this dissertationis to create a database good enough for detailed statistical analysis. This analysis uncovers typicalerrors and their impact on the tracking algorithm. On the other hand, the statistical analysis showsthat there are outliers in the data, so the distribution of the measurement residual is not normal.Because of the outliers, the standard Kalman filter estimator does not provide good trackingresults.Robust estimators are a good solution if there are outliers. Consequently, an additional goalof this doctoral dissertation is to design a robust tracking system not sensitive to outliers in themeasured data. The statistical analysis shows that, apart from the outliers that are a directconsequence of occlusions and result in a total loss of the target, there are also errors due tomaneuvering, which increase the error variance. Maneuvering errors are not outliers and must notbe cut by robust methods. Achieving balance in this case is not an easy task. There are two possiblesolutions to this problem, as described in this dissertation. One solution is based on expert systemdesign where, depending on the particular situation on the scene, the system itself decides whichinfluence function can be used. The second solution is robust function parameter tuning, based onthe current situation on the thermal scene. This solution is based on outlier contaminationestimation. The advantage of the latter solution is the fact that it is possible to achieve a balancebetween estimator efficiency and robustness, as well as separation of the two types of errors. Thenext design step is to use adaptive robust filters, in order to adjust the state and measurement noisecovariance matrices to the current situation in the thermal image. Since tuning of the influencefunction parameters depends on the estimated contamination factor, the calculation of this factoris also analyzed. The use of an adaptive forgetting factor to estimate the contamination factorresults in higher precision and better adaptation to the conditions on the scene.

Opis (srp)

Praćenje pokretnih objekata je tema koja je veoma aktuelna u današnje vreme kada postojipotreba za sve većim brojem sistema za nadzor i osmatranje. Termalne kamere su omogućilevidljivost tokom dana i noći, što je velika prednost u odnosu na vizuelne kamere. Bolja rezolucijai kvalitet termalne slike su dovele do sve veće upotrebe u brojnim civilnim aplikacijama. Međutim,drugačija svojstva termalnih kamera u odnosu na vizuelne kamere čine dodatni izazov u razvojualgoritama za praćenje.Osnovni predmet istraživanja ove doktorske disertacije jeste analiza problema praćenjajednog pokretnog objekta na termalnoj slici, kao i razvoj algoritama za robusno praćenje objekatana termalnoj slici scene.Analizom dostupne literature je uočeno da dobre rezultate daju algoritmi koji su baziranina deskriptorima odlika, a posebno SURF (eng. Speeded Up Robust Features) algoritam.Međutim, usled lošijeg kvaliteta slike i nesavršenosti odabranog deskriptora, mogu se desiti greškeprilikom uparivanja odlika. U tim situacijama je potrebno koristiti prediktore pozicije objekta odinteresa, kako bi se praćenje nastavilo.Još jedan zaključak, nakon analize dostupne literature i baza podataka kreiranih za problempraćenja na termalnoj slici, jeste da ne postoji detaljna statistička analiza greške koju pravialgoritam za praćenje baziran na SURF odlikama. Zbog toga je jedan od ciljeva doktorskedisertacije bio da se napravi dovoljno dobra baza podataka za detaljnu statističku analizu.Ovakvom analizom je omogućeno da se analiziraju tipovi greške i posledice na algoritam zapraćenje. Analiza je omogućila i uvid u činjenicu da se u merenjima često javljaju autlajeri (eng.Outliers), a da zbog njih možemo reći da rezidual merenja nema normalnu raspodelu. Ta činjenicaza posledicu ima da se standardni Kalmanov filtar, kao estimator, loše pokazuje u situacijama kadapostoje autlajeri.Sa druge strane, robusni estimatori su, u situacijama kada dolazi do pojave autlajera, dobrorešenje. Zato je još jedan od ciljeva ove disertacije dizajn robusnog sistema za praćenje koji nijeosetljiv na autlajere u merenjima. Međutim, statistička analiza je otkrila da osim grešaka koje suposledica okluzija i zaustavljaju praćenje, postoji porast varijanse greške u slučaju manevra,odnosno promene režima kretanja. To su greške koje se robusnim metodama ne smeju odseći.Postoje dva rešenja ovog problema, opisana u disertaciji. Jedan se zasniva na formiranjuekspertskog sistema, koji donosi odluku o korišćenju određene funkcije uticaja u zavisnosti odsituacije na sceni. Drugo rešenje jeste adaptacija parametra robusne funkcije trenunoj situaciji nasceni. Ovo rešenje se zasniva na trenutnoj proceni kontaminacije autlajerima. Prednost ovogrešenja se ogleda u postizanju balansa između robusnosti i efikasnosti, sa jedne strane, kao ipostizanju balansa između toga koji tip greške je u pitanju. Rešenje koje se nameće kao sledećikorak u dizajnu jeste i korišćenje adaptivnih robusnih filtara, radi prilagođenja matrica kovarijansišuma, merenja i ulaza trenutnoj situaciji na sceni. Kako proces podešavanja parametra funkcijeuticaja zavisi od procenjenog faktora kontaminacije, dat je poseban osvrt na način računanjaDoktorska disertacija____________________________________________________________________________________________________________________________________________________________Elektrotehnički fakultet, Univerzitet u Beogradu vifaktora kontaminacije. Uveden je i adaptivni faktor zaboravljanja u račun faktora kontaminacije,kako bi se, na taj način, postigla veća tačnost i bolje prilagođenje situaciji na sceni.

Opis (srp)

elektrotehnika i računarstvo - digitalna obrada slike / electrical engineering and computer science - digital image processing Datum odbrane: 10.06.2022.

Jezik

srpski

Datum

2022

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-NC-ND 3.0 AT - Creative Commons Autorstvo - Nekomercijalno - Bez prerada 3.0 Austria License.

http://creativecommons.org/licenses/by-nc-nd/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Telekomunikacije. Telegrafija. Telefonija

moving object tracking, thermal imagery, robust estimation, Kalman filter, feature descriptor, influence function, tunable parameters, robusness and efficiency balance, outliers, statistical analysis

OSNO - Opšta sistematizacija naučnih oblasti, Telekomunikacije. Telegrafija. Telefonija

praćenje pokretnih objekata, termovizija, robusna estimacija, Kalmanov filtar, deskriptor odlika, funkcija uticaja, podesivi parametri, balans robusnosti i efikasnosti estimatora, autlajeri, statistička analiza