Naslov (eng)

One particle filter based algorithm of tracking of a moving object in the sequence of images : doctoral dissertation

Autor

Abdulla, Abdalgalil Alsagair Mohamed, 1962-

Doprinosi

Prokin, Milan, 1973-
Papić, Veljko
Banjac, Zoran, 1963-
Kovačević, Branko, 1951-
Đurović, Željko, 1964-

Opis (eng)

There are a continuously increasing number of applications where moving objects should betracked in a video sequence. This research work has been directed to and focused on video sequencemonitoring and following up of automobiles in artificial and real-world traffic scenarios. Bearing inmind the rapidly growing scope of applications in the areas of automatic monitoring of trafficsituations on the roads, as well as on the control of autonomous vehicles in traffic, the attention wasfocused on the problem of moving vehicle video tracking as the starting phase of many of the tasksof this type. The concept of “Particle Filter” has been adopted as the basis for our approach in theestimation of an object's position in an image, because of its verified abilities in solving the trackingproblems in complex situations regarding motion dynamics, as well as from the aspect ofdisturbance nature. As in the cases already existing in the literature, we have based our approach onthe choice of appropriate image features that should be used as the object’s appearance model.Algorithms supported by Particle Filter (PF) are more and more frequently used for these functions.The suggested tracking algorithm here is based on the implementation of PF using threeindependent features of the image at the same time. (color contents/histogram, objects’ contourextracted by the usage of the image gradient, and texture defined by Grey Level Co-occurrenceMatrix). All three features are represented by appropriate histograms that are associated with thecontents of a rectangular window that contains both the vehicle that is tracked and the surroundingarea.Based on individual estimates produced by every single feature, the final estimate is made bytheir weighted average. It’s been adopted the mechanism of adaptation of weighting coefficients forparticular image features, including the cases that some of them should be excluded from thecalculation if their level of confidence is below some specified threshold. The quality of a specificfeature is determined by calculating average similarities between the reference window and thecollection of windows on particles' locations, and according to that, the weighting coefficientsmodify adaptively. The tracking accuracies of single-feature and three-features based filters weretested utilizing a variety of artificial and real-world traffic sequence scenarios that enclose differentcommon perturbations (shadows, variable background, partial and full occlusions, maneuvering,etc.).Using the three-feature-based filter demonstrated the improvement of tracking accuracy incomparison to any of single-feature based ones using video sequences illustrating typical trafficscenarios.

Opis (eng)

У савременом свету континуално расте број примена у којима треба пратити покретнеобјекте у видео секвенци. Овај истраживачки рад је усмерен на праћење аутомобила у видеосеквенцама које су рачунарски синтетизоване или потичу из реалних саобраћајних сценарија.Имајући у виду све већи обим примене у областима аутоматског надзора саобраћајнеситуације на путевима, као и управљања аутономним возилима у саобраћају, пажњa јеусмерена на проблем видео праћења покретних возила, као на почетну фазу многих задатакаовог типа. Концепт „честичног филтра” (angl. “Particle Filter”) усвојен је као основа заприступ у процени положаја објекта на слици, због његових проверених способности урешавању проблема праћења у сложеним ситуацијама у погледу динамике кретања, као и сааспекта природе поремећаја. Као и у већ постојећим случајевима у литератури, предложениприступ се заснова на избору одговарајућих карактеристика слике које треба користити каомодел репрезентације објекта. Алгоритми на бази честичног филтра (ПФ) се све чешћекористе за ове намене. Овде предложени алгоритам праћења је заснован на имплементацијиПФ-а истовремено користећи три независне карактеристике слике (садржај боје/хистограм,контуре објеката издвојене употребом градијента слике и текстуру описану матрицомузајамног појављивања нивоа сивог). Све три карактеристике су једнобразно представљенеодговарајућим хистограмима који се односе на садржај правоугаоног прозора који обухватапраћено возило и његову локалну околину.На основу засебних процена које производи свака појединачна карактеристика, коначнапроцена се прави на основу њиховог пондерисаног усредњавања. Усвојен је механизамприлагођавања тежинских коефицијената за одређене карактеристике слике, укључујућислучајеве да неке од њих треба потпуно искључити из прорачуна ако је њихов ниво поверењаиспод одређеног прага. Квалитет специфичног обележја се утврђује израчунавањемпросечних сличности између референтног прозора и скупа прозора на локацијама честица, пасе према томе адаптивно мењају тежински коефицијенти при усредњавању. Тачност праћењафилтера на бази појединачне карактеристике и на бази симултаног коришћења све три,тестирана је коришћењем различитих саобраћајних сценарија (синтетичке и реалне секвенце)које обухватају различите типичне поремећаје (сенке, променљива позадина, делимичне ипотпуна заклоњеност, маневрисање, итд.).Примена филтера заснованог на истовремном коришћењу три карактеристике сликепоказала је побољшање тачности праћења у поређењу са било којим од филтера заснованихна појединачној особини, на свим анализираним видео секвенцама које илуструју типичнесаобраћајне сценарије.

Opis (eng)

Computer vision - Moving object monitoring and tracking / Рачунарска визија - Надзор и праћење покретних објеката Datum odbrane: 22.02.2023.

Jezik

engleski

Datum

2022

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY 3.0 AT - Creative Commons Autorstvo 3.0 Austria License.

http://creativecommons.org/licenses/by/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Računarsko programiranje. Aplikativni programi

Праћење објеката, честични филтер, карактеристике слике, хистограм боја, текстура, матрица ко-појављивања нивоа сивог, градијент слике, хистограм оријентисаних градијената.

OSNO - Opšta sistematizacija naučnih oblasti, Računarsko programiranje. Aplikativni programi

Object tracking, particle filter, image features, color histogram, texture, Grey Level Cooccurrence Matrix, image gradient, histogram of oriented gradients