itüdergii/d mühedili Cilt:7, Sayı:6, 3-12 Aralı 2008 Video dizileridei araç plaalarıı FE-Yoğulaştırma algoritmaı ullaılara izlemei İlha Kubilay YALÇIN *, Muhitti GÖKMEN İTÜ Fe Bilimleri Etitüü, Bilgiayar Mühediliği Programı, 34469, Ayazağa, İtabul Özet Bu çalışmaı amacı, araç plaalarıı üç boyutlu uzayda oum ve yöelimii bulumaı içi video görütüüde izlemeidir. Eğer eei altı dereceli uzay erbetliği belirleme iteiyora, durum uzayı altı boyutlu olur. Her erbetli derecei içi olaı değerler ümeii 100 elemalı abul edere, bu eeyi her olaı durumu deeyere izleyebilme içi görütü verii üzeride 100 6 arşılaştırma yapmamız geremetedir. Bu ıırlı çözüürlü ve altı dereceli erbetli uzayıda dahi, bu şeilde gerçe zamalı izleme yapmaı mümü olmadığı açıtır. Stoati izlemei ardıda yata düşüce, her olaı ee durumuu deeme yerie, durum haıda tahmilerde buluma ve bu tahmileri o ai video arei ile arşılaştırara ouçları bir orai video arei içi tahmi yapmata ullamatır. So yıllarda, bilgiayar ile görütü işleme problemleride Parçacı Filtreleri i ullaımıa yöeli bir ilgi görülmetedir. Bilgiayar ile görütü işleme problemleride ullaıla özel Parçacı Filtrei e Yoğulaştırma algoritmaı veya Ardışıl Öem Öreleme demetedir. Bu yötem hareetli eeler içi gürbüz bir izleme olaağı umatadır. Öte yada, bu algoritmaı yaıamaı büyü orada parçacı ayıı ve diami modeli doğruluğu araıdai ilişiye bağlıdır. Bu tezde Yoğulaştırma algoritmaıı iyileştirme amacıyla FE-Yoğulaştırma algoritmaı öerilmetedir. Bu algoritma Faral Evrim ve Yoğulaştırma algoritmalarıı bir birleşimidir. FE-Yoğulaştırma algoritmaı üç boyutlu uzayda te bir amerayla araç plaaı oum ve yöelimii izlemei içi ullaıldı. Geişletilmiş Kalma filtrei, Yoğulaştırma, Geeti Yoğulaştırma ve FE-Yoğulaştırma algoritmalarıı izleme başarımları arşılaştırıldı. FE-Yoğulaştırma algoritmaı diğer üç algoritmaya göre ço daha iyi başarım götermetedir. Aahtar Kelimeler: Araç plaaı izlemei, yoğulaştırma, FE-Yoğulaştırma. * Yazışmaları yapılacağı yazar: İlha Kubilay YALÇIN. ilha.yalci@bte.mam.gov.tr; Tel: (262) 677 25 43. Bu maale, birici yazar tarafıda İTÜ Fe Bilimleri Etitüü, Bilgiayar Mühediliği Programıda tamamlamış ola "3D Model Baed Stochatic Tracig of Licee Plate i Video Sequece" adlı dotora tezide hazırlamıştır. Maale meti 01.06.2007 tarihide dergiye ulaşmış, 06.09.2007 tarihide baım ararı alımıştır. Maale ile ilgili tartışmalar 31.04.2009 tarihie adar dergiye göderilmelidir.
İ. K. Yalçı, M. Göme Tracig of licee plate i video equece uig DE-Codeatio algorithm Exteded abtract Automated vehicle idetificatio (AVI) i till a importat reearch iue ad drawig attetio i machie viio commuity. It potetial commercial applicatio are automatic barrier ytem, automatic paymet of parig or highway toll fee, automatic locatig of a tole vehicle, automatic calculatio of traffic volume ad o o. Licee plate eable u to idetify a vehicle ad it ower. Licee plate recogitio i the mot effective method for idetificatio of the vehicle. A uitable ad promiig olutio to vehicle idetificatio i viual recogitio of the licee plate from camera view. Thi approach i applicable becaue it doe ot require vehicle to carry additioal equipmet uch a pecial RF tramitter. Without additioal cot, thee ytem are capable of itallatio to the field. But viual licee plate detectio ad recogitio i a very difficult ta. It i quite a challegig problem becaue vehicle are ruig i a outdoor eviromet, where lightig coditio ca chage rapidly, weather coditio ca caue poor image quality, licee plate ca be dirty or i poor coditio ad occluio ca occur frequetly. Therefore, Viual Licee Plate Recogitio (VLPR) ytem may fail becaue of ucotrollable exteral coditio. Beide the challegig ature of the problem, the high-dimeioal ature of the VLPR problem may impoe a igificat computatioal load o the target proceig platform. The aim of thi wor i 3D tracig of licee plate i order to determie the tate (patial poitio ad 3D orietatio) of the licee plate from equetial frame of the video. Thi ca be accomplihed i a brute force way by tetig every poible orietatio ad tralatio ad the electig the oe that bet fit the curret frame. If all ix degree of patial freedom of the object are to be determied, the tate pace of the object i ix dimeioal. Settig the umber of poible value of each degree of freedom to 100, the ta of tracig by brute force the require 100 6 compario of a tate with the image data. Eve with uch a limited reolutio ad a ix dimeioal feature pace it i clear that, it i computatioally impoible to perform tracig i real time by brute force. That i where tochatic tracig i meaigful. A tochatic proce i oe whoe behaviour i o-determiitic i that the ext tate of the eviromet i partially but ot fully determied by the previou tate of the eviromet. Itead of comparig every poible cofiguratio of the object with each video frame, the idea behid tochatic tracig i to mae a et of guee of the tate, compare thee guee with the curret frame, ad ue the reult of thi compario a the bai for a ew et of guee whe the ext frame come. The ew guee are made by electig the bet guee from the lat frame ad applyig a model of the movemet of the object from oe frame to the ext. The et of guee (called particle or ample) will frame by frame coverge aroud the correct tate of the object. I recet year, there ha bee a great iteret i applyig Particle Filterig to computer viio problem. Thi pecialized Particle Filterig method for computer viio problem i itroduced a Codeatio or Sequetial Importace Samplig. Codeatio algorithm utilize factored amplig ad give dyamic model to propagate a etire probability ditributio for object poitio ad hape over time. It ca perform uccefully robut tracig of object motio. O the other had, it covergece greatly deped o the trade off betwee the umber of particle/hypothee ad the fite of the dyamic model. For example, i cae where the dyamic are complex or poorly modelled, thouad of ample are uually required for real applicatio. I order to improve the performace of the Codeatio algorithm, DE-Codeatio algorithm i propoed, which i a itegratio of the Differetial Evolutio ad Codeatio algorithm. DE- Codeatio algorithm i utilized for patial poitio etimatio ad tracig of licee plate i 3D from moocular camera view. The performace ad computatioal load of the Exteded Kalma filter, Codeatio Algorithm, DE-Codeatio algorithm ad Geetic Codeatio algorithm are compared for evaluatig DE-Codeatio Algorithm performace. Keyword: Licee Plate Tracig, Codeatio, DE-Codeatio. 4
Video dizileridei araç plaalarıı izlemei Giriş Görel Araç Plaaı Taıma (GAPT) itemleri temel olara üç ıımda oluşmatadır. Bular, plaaı tepiti, plaaı izlemei ve plaaı taımaı (oumaı) ıımlarıdır. Bu üç bölümde beli de e öemlileri tepit ve izleme ıımlarıdır. Araç plaaı tepiti araç plaaı örütüüü bütü görütü üzeride aramaıı içerir. Bu amaçla birço yötem geliştirilmiştir. Bu yötemler araıda plaa araterlerii yol açtığı diey ear yoğuluğu, ear çıartımı ve plaa regii işlemei gibi yalaşımlar mevcuttur. Bütü bu yötemler özü edile özellileri bulma amacıyla bir arama yötemii de ögörmetedirler. Bu yötemler araıda Geeti algoritmalar, Ortalama Kayma Algoritmaı, Kaya Pecereler ve Vetör Kuatalama gibi birço yötem mevcuttur. GAPT itemleri içeriide bu çalışma daha ço plaaı tepiti ve özellile plaaı izlemeie odalamıştır. Meti oumladırma tabalı teileri dayadığı aa gerçe, plaa üzeridei araterleri hızlı parlalı değişiliğie yol açtılarıdır. Kear özellileri çıartılmaıda ora bu earlar morfoloji işlemlere tabi tutulur ve plaa bölgeleri oluşturulur. Faat armaşı ahelerde apama, açma gibi morfoloji teiler gürültülü çıtı ve ço ayıda aday bölge üretmetedir. Kear veya plaa ıırlarıı tepiti ear bölgeii tam olara buluamamaı, çeşitli plaa tiplerii olmaı ve plaa earlarıı parçalı olmaı dolayııyla iyi ouçlar vermeyebilmetedir. Souçta plaa bölgei bulma işlemi ço ayıda aday bölge vermete ve buları içide doğru bölgeleri eçme zor olmatadır. Morfoloji işlemleri performaıı arttırma içi Dubey de (2005) yei bir morfoloji işlem yalaşımı uulmatadır. Bu yötem daha ço birleşi bölge vermete ve buu belli ö şartlara uyara başarmatadır. Plaa bölgelerii çıartımı ve e uygu bölgei bulumaıa yöeli diğer çalışmalar, hitogram bezerliği ullaılmaı (Hi-Jia vd., 2004), wavelet döüşümüü ullaılmaı (Chig-Tag vd., 2005), Ortalama Kayma Algoritmaıı ullaılmaı (Wejig vd., 2005), geeti arama yötemii ullaılmaı (Xiog vd., 2004) ve re tabalı yalaşımlar (Sag Kyoo vd., 1996; Zayed vd., 2004) olara öreledirilebilir. Plaa tepit algoritmaları bütü görütüyü işleme durumudadır. Böyle bir durum heaplama yüü baımıda bu algoritmaları ötü olduğuu götermetedir. Hâlbui plaaı izlemei bize ilerleye video areleride olaı plaa bölgelerii apamıı daraltmata ve görütü üzeride (İlgili Olua Ala) İOA taımıı yapılabilmeie olaa taımatadır. Böylece plaa tepiti yalızca taımlaa İOA üzeride yapılabilmetedir. Plaa izlemei temel olara plaaı yerii bir orai video areide tahmi edilmei amacıyla yapılmatadır. Çoğu izleme itemi ear bilgiii veya belli özellileri izlemeii amaçlamatadır. Çüü bu özelliler doğal olara görütüde mevcuttur. Bu özelliler hem avatajlar hem de dezavatajlar içermetedir. Belli bir eei izlemei içi birço yötem öerilmiştir, bu yötemler özelli tabalı yötemler ve model tabalı yötemler olara iiye ayrılabilir. Özelli tabalı yötemler eei görütüde çıartıla belli özellilerii taibii amaçlamatadır. Model tabalı yötemler ie 2B ve 3B modeller ullaara eeyi izlemeyi amaçlar. Bu çalışmada 3B yötemleri ele alacağız. Özelli otalarıı eşlemei 3B ee modelii otrol otalarıı ear bilgiie uydurulmaıyla gerçeleebilir. Bu otrol otaları görütüyü bölütleme içi değil eşleme içi ullaılmatadır. Eşleme işlemi 4 doğrultuda arama yapara bait ve etili olabilir. Özelli otaları, üzeride belirgi dee bulua eeler içi etilidir ve geometri bozulma ve aydılatma değişimlerie arşı gürbüzdür. Faat belirgi bir dee taşımaya eeler içi bu yötemler iyi ouç vermemetedir. Kear bilgiie dayalı izleme, ei ear bilgii ola ve güçlü parlalı değişimi götere görütüler içi daha elverişlidir. Faat armaşı ve deeli eeler içi ötü ouç vermetedir. Gerçe hayatta e yazı i eeleri deeli olmaı veya olmamaı gibi ayrımlar yapılamayacağı içi bu ii yötem birbirie arşılı değil ya 5
yaa bütüleyici olara ullaılmalıdır. Dee özelli otaları civarlarıdai dee özellileri ile belirleebilire, buu ear bilgiie dayalı özelli otaları içi öyleme o adar olay değildir. Bu otaları belirlere birde fazla olaılığı göz öüde buludurma gereebilir. İ. K. Yalçı, M. Göme Model tabalı yalaşım 3B modeli e fazla görütü ile bezerli göterdiği durumu bulmayı hedef alır. Bu problem ouç olara bir e iyileme (optimizayo) problemi iteliği taşır ve item durumuu tahmiii olaılıal olara yapa bir yötem olara iceleebilir. Ne yazı i görütü gibi ço boyutlu durum uzaylarıda ve doğrual olmaya bir item içi item durumuu tahmii olay değildir. Bu tür bir tahmi içi gereli algoritmalar, Exteded Kalma Filtrei, Uceted Kalma Filtrei ve Ardışıl Mote Carlo yötemleri olara ıralaabilir. Ardışıl Mote Carlo yötemlerii e popüler olaı güümüzde Parçacı Filtrei dir (Particle Filter). 3B model tabalı izleme yalaşımıı uygulamalarıı (Vacchetti vd., 2004; Poa vd., 2005; We-Ya vd., 2005) bir ço çalışmada görme mümüdür. GAPT itemi mimarii GAPT itemleri te bir video areiyle çalışabileceleri gibi, birde fazla are ile de çalışabilirler. Birde fazla video arei ullaımıı performa artımıa yol açacağı eidir. Öcei bölümde ifade edildiği gibi, bir GAPT itemi üç ıımda oluşmatadır. Bular ıraıyla, plaa tepiti, plaa izlemei ve plaa taıma ıımlarıdır. Bu ıımlar araıdai veri aışı Şeil 1 de göterilmiştir. Bu diyagram temel olara tepit ve izleme araıdai orta çalışmayı götermetedir. İzleme işlemi tepit işlemie bir orai video areide ele alıaca İOA taımıı ağlamatadır. Bir orai video areide plaa bölgeleri yalızca İOA içeriide aramatadır. Kamera modeli Burada verile uygulamada iğe deliği amera (pi hole) modeli ullaılmıştır. Bu model 3B uzayda taımlı bir otaı perpetif izdüşüm ile amera düzlemide arşı geldiği 2B otayı Şeil 1. GAPT item mimarii vermetedir. Bu döüşüm iç ve dış (itriic, extriic) parametre etleri olma üzere ii parametre eti tarafıda taımlaır. İç parametreler foal uzalı ( f ), bee boyutları ( u, v), izdüşümü orta otaı, görütü oordiatları ( u0 v 0) T olma üzere boyutla-dırma, döme ve aydırma olara bir izalama (affie) döüşümü taımlamatadır. Bütü bu döüşümler 3x3 R döüş matrii ve 3x1 T öteleme vetörü tarafıda tamame taımlaır. Böylece aşağıdai döüşüme ulaşılır. x α 0 u 0 X u 0 R T Y y = 0 αv v0 0.. T 0 1 Z 0 0 1 0 1 (1) Burada ( x y ) T görütü üzeridei izdüşümüü homoje oordiatları, α f f u =, α v =, u v (burada u ve v bee geişliği ve uzuluğudur). R dödürme matrii, ( XYZ 1) T homoje oordiatlarda 3B uzaydai ota, T ie öteleme matrii olup tüm birleştirilmiş matri perpetif izdüşüm matrii adıı alır. Bu matri 3B uzaydai bir ota ile 2B görütü düzlemidei bir otayı eşleştirir. Bir döüşüm matrii R, üç matrii bir çarpımı olara yazılabilir. Bu üç matri ıraıyla X, Y ve Z oordiatları etrafı- 6
dai döüşü taımlar. Bu döüşümler birde fazla şeilde ifade edilebilmetedir. Öre olara, α, βγ, ıraıyla X, Y ve Z eeleri etrafıda Euler döüş açıları olu. Bu durumda aşağıdai delemler elde edilir, Video dizileridei araç plaalarıı izlemei 1 0 0 Rx = 0 coα iα, 0 iα coα coβ 0 iβ Ry = 0 1 0, iβ 0 coβ coγ iγ 0 Rz = iγ coγ 0, R = Rx. Ry. Rz 0 0 1 (2) x T = y. z Bu şeilde gerçe düya oordiatları ola ( X YZ ) değerleride görütü üzeridei ( x y ) oordiatlarıa döüşüm elde edilmiş olur. Gerçe bee oordiatları px, p y ie p = x / p = y / bölümleri ile elde edilir. x y Sitem durumu Bir araç plaaı eeii 3B uzaydai durumu altı değişe ile ifade edilebilir. Bular ıraıyla X, Y, Z artezye oordiatları, Euler açıları, ıraıyla α (X eei etrafıda döüş mitarı), β (Y eei etrafıda döüş mitarı) ve γ (Z eei etrafıdai döüş mitarı) dır. Böylece bir araç plaaı eei içi item durumu =[ ] T X Y Z α βγ olara taımlaabilir. Durum vetörüü değişelerii ifadei Şeil 2 de görülebilir. Sitem modeli Sitem durumuu taımladıta ora itemi zama içidei değişimii modelleye ayrı zamalı doğrual olmaya diami itemi detayladırılabilir. Burada yapıla varayım araç plaaıı düzlem ormalide hareet ettiğidir. Şeil 2. Koordiat itemi Bua göre = f( 1, w 1) delemi item durumuu değişimii modellei, böyle bir durumda diami item toati far delemi ile göterilire, c. iβ X c. iα. coβ Y c. coα. coγ Z + 1 = + + N(0, σ ), = 0 α 0 β 0 γ (3) delemi elde edilir. Bu delemde α, βγ, Euler açıları, c ie abit hız büyülüğüdür. Gözlem modeli Sitemimizde bir de gözlem modeli olmalıdır. Gözlem modeli alatıla iğe deliği amera modeli ile belirlemetedir. Bu model araç plaaıı 3B öşe otalarıı amera düzlemie iz düşürülmeie arşılı gelir. Bu durumda ölçüm değerleri b plaaı öşe otalarıı 2B izdüşüm oordiatları olur. b = h(, v ) delemi ile verile gözlem modeli durumu ile görütüde elde edile ölçümü b ilişiii belirler. Eğer b ölçümleri doğruda elimizde olaydı, durumua arşılı gele iovayo değeri b ( ˆ h ) olara buluabileceti, faat uygulamada ölçüm değerlerie doğruda ulaşma mümü değildir. Ölçüm değerleri araç 57
İ. K. Yalçı, M. Göme plaaıı öşe otalarıı görütü işleme teileri ile bulumaı ile aca mümü olabilir. Böyle bir işlem problemi farlı bir baış açııyla çözümüe arşılı gelir. Buu yerie verile bir ölçüm b ve durum değeri içi p( b ) olaılı değerii elde etme mümüdür. Uygulamada b ( ˆ h ) iovayo değeri yerie p( b ) olaılı değerlerii ullaılmatadır. Bu olaılı değerlerii ullaımı bir orai bölümde FE-Yoğulaştırma algoritmaı apamıda alatılmatadır. FE-Yoğulaştırma algoritmaı FE-Yoğulaştırma algoritmaıı adımları Tablo 1 de verilmiştir. FE-Yoğulaştırma algoritmaı FE optimizayo algoritmaıyla (Feotitov, 2006)., Yoğulaştırma Algoritmaı ı (Iard ve Blae, 1998; Price vd., 2005) bir birleşimidir. FE optimizayo adımları Yoğulaştırma Algoritmaı da ullaıla öreleri iyileştirilmeii ağlamatadır. Yoğulaştırma algoritmaıı e öemli eilileride birii parçacıları gücellemeide yei gele ölçüm değerlerii ullamamaıdır. Bu ebeple parçacılar zama gücellemeide ora olaılı dağılım foiyouu uyruğuda alabilmete ve olaılı dağılım foiyouu iyi bir şeilde ifade etmete uza almatadırlar. Böyle bir durumda FE algoritmaı yardımıyla düşü olaılılı parçacıları Tablo 1. FE-Yoğulaştırma algoritmaı o Başlagıç: { 0, π 0} = 1,2,...,N öre ümeii yarat, burada ler öreler ve π ler ie örelere arşı düşe ağırlılar veya olaılılardır. o =1,2,... içi terarlayara olaılı dağılımımızı ilerletelim, burada zama baamalarıdır: o Öreleri { 1} de { } e = f( 1, c) + N(0, σ ) delemie göre ilerletelim. o Yei olaılı ağırlılarıı, π = 1( p b ) delemie göre heaplayalım. Burada ( p ) 1 b verile bir durumua arşılı b ölçümüü olaılığıdır. Ağırlıları =1. olaca şeilde gücelleyelim. π o G=1,2,...,NI içi terarlayara NI eil oluşturalım. Burada {, =1, π, =1}={, π }. G G o Yei eli { G, + 1, π G, + 1} şöyle oluşturalım, her bir G, öreği içi buu terarlayalım. 1 2 3 { G,, π G, } içeriide π olaılığı ile öreleme yapalım ve ( r,, r,, r G G G, ) örelerii eçelim, öyle i r1,r2,r3 birbiride farlı olu. r1 r2 r3 vg+ 1 =, G + F.(, G, G) delemie göre yei bir v G + 1 vetörü oluşturalım. G, ve v G + 1 araıda çaprazlama uygulayara u G + 1 vetörüü elde edelim. Eğer p2( b u G + 1), p2 ( b, G) değeride büyü ie değerii G, + 1 u G + 1 ye eşitleyelim, ai halde G, değerii oruyalım. o Yei π G, + 1 = p2 ( b G, + 1) ağırlılarıı =1 G, 1 olaca şeilde gücelleyelim. π + o Yei öre ümei {, π }, = 1,2,..., N böylece FE iyileştirmei oucuda elde edilir şöyle i {, π } = {, G= NI, π, G= NI}. 68
Video dizileridei araç plaalarıı izlemei daha yüe olaılılı bölgelere taşımaı, olaılı dağılım foiyou ayrı değerlerle ifadeide daha başarılı olumaıı ağlamatadır. FE algoritmaı ile Yoğulaştırma algoritmaı bezerliler götermetedir. FE algoritmaıdai eiller Yoğulaştırma algoritmaıda parçacılara arşılı gelmetedir. Ayı şeilde her bir parçacığı olaılığı, FE algoritmaıda her eil öreğii aldığı uygulu değerie arşılı düşürülebilir. İi algoritma araıdai bu aaloji, algoritmaları birleştirilmeie olaa taımatadır. İl oşullu olaılı değeri π = 1( p b ), Şeil 4 de göterile Kaya Eş Merezli Pecere algoritmaı (KEMP) (Aagotopoulo vd., 2005) çıtııda elde edilmetedir. (a) (a) (b) (c) (d) Şeil 3. Plaaı değişi döüş açılarıdai görütüü (a) α = 0, β = 0, γ = 0 (b) α = 60º, β = 0, γ = 0 (c) α = 0, β = 60º, γ = 0 (d) α = 0, β = 0, γ = 30º Olaılı değerlerii bulumaı Bu otada açılamaı geree ou, belirtile olaılı değerlerii aıl heapladığıdır. Diat edilire, FE-Yoğulaştırma algoritmaıda ii değişi olaılı değeri taımladı. Bular = 1( π p b ) ve π G, + 1 = p2 ( b G, + 1) olaılı değerleridir. Bu oşullu olaılı değerleri FE-Yoğulaştırma algoritmaıda ii aşamalı bir iyileştirme olaağı ağlamatadır. (b) Şeil 4. KEMP filtre çıtıı (a) Orijial görütü (b) Kaya Eş Merezli Pecere çıtıı Kaya Eş Merezli Pecere algoritmaı bir ota içi çevreide bulua ii adet pecerei taımladığı omşuluta, ortalama değer ve tadart apmaı oralamaı temelie dayamatadır. Bu ii pecerede biri diğerii ii atı büyülüğüde taımlamıştır. Böylece bu ii pecere reim üzeride aydırılara pecereler içide ala bee değerlerii ortalamaı alımata ve tadart apmaları heaplamatadır. Bu ii pecerede bulua değerleri birbirie oralamaı ie Şeil 4 te göterile çıtıyı üretmetedir. Şeil 5 te KEMP algoritmaıda ullaıla A ve B pecerelerii aıl taımladığı göterilme-tedir. Burada X1,Y1 A pecere boyutları, X2,Y2 ie B pecere boyutlarıdır. Bu pecereler bütü görütüde aydırılara ortalama ve tadart apma değerleri buluur. Bua göre, EA [ ] EB [ ] EA [ ] > EB [ ] OrtOra=, değil OrtOra = EB [ ] EA [ ] σ[ A] σ[ B] σ[ A] > σ[ B] StdOra =, değil StdOra = σ[ B] σ[ A] Uygulu = OrtOra + StdOra. (4) 49
İ. K. Yalçı, M. Göme Şeil 5. KEMP algoritmaı Her görütü bölgei içi uygulu değerleri heaplamatadır. Bir öreğii olaılığı π = 1( p b ) izdüştüğü aladai uygulu değerlerii yüeliği ile belirlemetedir. İici oşullu olaılı π G, + 1 = p2 ( b G, + 1) değeri ie Şeil 3 de görüldüğü şeilde her öreği içi elde edile izdüşüm, dödürme ve ölçeleme işlemi oucudai görütüü il aredei görütü ile arşılaştırılmaı ile elde edilmetedir. Bu arşılaştırma izdüşürülmüş öreği ile görütüü birbiride çıartılara far değerlerii toplamaı ile yapılmatadır. Çıartma işlemide öce görütüleri ortalamaı ıfır ve tadart apmaı bir olaca şeilde ormalize edilmei parlalı değişimlerie arşı daha gürbüz ouçlar vermetedir. İici oşullu olaılı foiyou ço ııtlı bir çerçevede iyileştirme imâı vermetedir. Bu ebeple il olaılı foiyoua ihtiyaç duyulmuştur. Bu şeilde ii eviyeli aba ve ice optimizayo gerçeleştirilmetir. FE Yoğulaştırma algoritmaı bu yapıı ile ciddi bir uygulama ütülüğü ağlamatadır. Şeil 6 da öre bir video arei ile bu arede eşleece ola şablo göterilmetedir. Şablo u video üzeride aydırılara arşılaştırma değerlerii bulumaı işlemi oucuda ( p ) 2 b değerleri elde edilir. Bu eşleştirme işlemi şablou, parçacı değerleride bulua 3B oordiatlar ve Euler açıları ullaılara amera düzlemie iz düşürülmei işlemide ora yapılmatadır. Bait olara göterim amacıyla Şeil 7 de adece ii boyutta aydırma işlemi yapılara arşılaştırma ouçları ormalize edilere uygulu değerleri göterilmiştir. Böyle bir yötem ile (a) (b) Şeil 6. Şablo arşılaştırma (a) Öre video arei (b)il arede eile şablo elde edile uygulu değerleri dar bir bölgede tepe yapmatadır ve böyle bir foiyou e yüe değerii bulumaı işlemii güç olmaı edeiyle ii eviyeli iyileştirmeye ihtiyaç duyulmatadır. FE Yoğulaştırma algoritmaı il öce parçacıları ( p ) 1 b olaılı değerleri yardımıyla aba olara elemete ve oraıda ( p ) 2 b olaılı değerlerie göre iyileştirme yapara plaa oordiatlarıı daha az hata ile bulabilmetedir. Şeil 7. Şablo arşılaştırma ile elde edile uygulu değerleri Souçlar Şeil 8 de il areleri göterile tet videouda görütülee altı araç içi öşe başıa oum hata mitarları bee ciide Tablo 2 de görülmetedir. FE-Yoğulaştırma algoritmaı, başarım değerledirmei amacıyla Yoğulaştırma, Exteded Kalma ve Geeti Yoğulaştırma algoritmalarıy- 10 6
Video dizileridei araç plaalarıı izlemei la (Zhu vd., 2005) arşılaştırılmıştır. Bütü algoritmalarda ayı olaılı değerleri ve ayı ayıda öre (50) ullaılmıştır. Geeti ve FE- Yoğulaştırma algoritmalarıda iyileştirme 6 eil ile ıırlı tutulmuştur. FE-Yoğulaştırma algoritmaı ii farlı olaılı dağılımıa göre iyileştirme imâı taıdığı içi Yoğulaştırma algoritmaıa göre avataj ağlamıştır. Öte yada, FE-Yoğulaştırma algoritmaı Yoğulaştırma algoritmaıyla arşılaştırıldığıda daha fazla işlem armaşılığıa ahiptir. Tablo 2. Tet videou içi başarım değerleri Algoritma Yoğulaştırma Exteded Kalma Geeti Yoğulaştırma FE-Yoğulaştırma Köşe Yerleştirme Hata Mitarı 10.34 öşe başıa bee 9.57 öşe başıa bee 6.17 öşe başıa bee 4.24 öşe başıa bee (a) (b) (c) Şeil 8. Tet videou 1. araç (a) 8. are (b) 18. are (c) 26. are Souçlar Yoğulaştırma algoritmaıı başarımıı iyi olmadığıı götermetedir. Öre değerlerii Exteded Kalma filtrei ile ürettiğimiz uygulamada başarım, Yoğulaştırma algoritmaıa göre daha iyi çımıştır. Geeti Yoğulaştırma algoritmaı Yoğulaştırma algoritmaıa göre ciddi bir iyileşme ağlamaıyla beraber, FE-Yoğulaştırma algoritmaı e iyi başarımı ağlamıştır. Kayalar Aagotopoulo, C., Aagotopoulo, I., Teoura, G., Kouza, G., Loumo, V., Kayafa, E., (2005). Uig lidig cocetric widow for licee plate egmetatio ad proceig, Proceedig, Sigal Proceig Sytem Deig ad Implemetatio, 337 342, Athe. Chig-Tag, H., Yu-Sha, J., Kuo-Mig, H., (2005). Multiple licee plate detectio for complex bacgroud, Proceedig, 19th Iteratioal Coferece, Advaced Iformatio Networig ad Applicatio AINA, 2, 389 392, Taipei. Dubey, P., (2005). Heuritic approach for licee plate detectio, Proceedig. IEEE Coferece o Advaced Video ad Sigal Baed Surveillace, 366 370, Como. Feotitov, V., (2006). Differetial Evolutio I Search Of Solutio, Spriger, Berli. Hi-Jia, L., Si-Yua, C., She-Zheg, W., (2004). Extractio ad recogitio of licee plate of motorcycle ad vehicle o highway, Proceedig, 17th Iteratioal Coferece, Patter Recogitio, ICPR 2004, 4, 356 359, Cambridge. Iard, M. ve Blae, A., (1998). A mixed-tate codeatio tracer with automatic modelwitchig, Proceedig, Sixth Iteratioal Coferece o Computer Viio, Ja., 107 112, Bombay. Price, K. V., Stor, R. M. ve Lampie, J. A., (2005). Differetial Evolutio a Practical Approach to Global Optimizatio, Spriger, Berli. Poa, D., Lopez, A., Serrat, J., Lumbrera, F., Graf, T., (2005). Multiple vehicle 3D tracig uig a uceted Kalma Filter, Proceedig, Itelliget Traportatio Sytem, 1108 1113, Viea. 11
İ. K. Yalçı, M. Göme Sag Kyoo, K., Dae Woo, K., Hag Joo, K., (1996). A recogitio of vehicle licee plate uig a geetic algorithm baed egmetatio, Proceedig, Iteratioal Coferece o Image Proceig, 1, 661 664, Lauae. Vacchetti, L., Lepetit, V., Fua, P., (2004). Combiig edge ad texture iformatio for real-time accurate 3D camera tracig, Proceedig, Third IEEE ad ACM Iteratioal Sympoium Mixed ad Augmeted Reality, 48 56, Arligto. We-Ya, C., Chu-Sog, C., Yi-Pig, H., (2005). Appearace-guided particle filterig for articulated had tracig, Proceedig, IEEE Computer Society Coferece Computer Viio ad Patter Recogitio, 1, 235 242, Sa Diego. Wejig, J., Huaifeg, Z., Xiagjia, H., Piccardi, M., (2005). Mea hift for accurate licee plate localizatio, Proceedig, Itelliget Traportatio Sytem Proceedig, 566 571, Viea. Xiog, J., Du, S., Gao, D., She, Q., (2004). Locatig car licee plate uder variou illumiatio coditio uig geetic algorithm, Proceedig, 7th Iteratioal Coferece o Sigal Proceig ICSP '04, Volume 3, 2502 2505, Beijig. Zayed, M., Booaert, J., Bayart, M., (2004). Licee plate tracig for car followig with a igle camera, Proceedig, The 7th Iteratioal IEEE Coferece o Itelliget Traportatio Sytem, 719 724, Wahigto. Zhu, Y., Zhi-Qiag, L., (2005). Geetic CONDENSATION for motio tracig, Proceedig, Iteratioal Coferece o Machie Learig ad Cyberetic, 9, 5542 5547, Guagzhou. 12 6