Τεχνικές υπολογιστικής όρασης και μηχανικής μάθησης για την παρακολούθηση και ταξινόμηση ανθρωποκεντρικών δεδομένων

Περίληψη

Το αντικείμενο που πραγματεύεται η παρούσα διατριβή είναι η σημασιολογική ανάλυση δεδομένων εικονοσειρών με χρήση μόνο οπτικής πληροφορίας. Πιο συγκεκριμένα, η σημασιολογική πληροφορία που εξάγεται αναφέρεται στην κίνηση των αντικειμένων της εικονοσειράς, μέσω της παρακολούθησης της θέσης τους και στην απόδοση σημασιολογικών ετικετών μέσω ταξινόμησης. Για το πρόβλημα της παρακολούθησης αντικειμένων αναπτύχθηκαν δύο αλγόριθμοι παρακολούθησης που βασίζονται αποκλειστικά στην οπτική πληροφορία της εικονοσειράς. Ο πρώτος αλγόριθμος παρακολούθησης εκτελεί παρακολούθηση της τροχιάς εντός αντικειμένου, εξάγοντας ένα μοντέλο για το παρουσιαστικό του αντικειμένου βάση ιστογραμμάτων χρώματος και περιγραφέων υφής τοπικών στρεφόμενων πυρήνων. Ο δεύτερος αλγόριθμος παρακολούθησης αποτελεί επέκταση του πρώτου, ώστε να εφαρμόζεται σε στερεοσκοπικές εικονοσειρές. Ο στερεοσκοπικός αλγόριθμος παρακολούθησης εκμεταλλεύεται πλήρως την επιπλέον πληροφορία που προέρχεται από την στερεοσκοπική γεωμετρία, ήτο ...
περισσότερα

Περίληψη σε άλλη γλώσσα

This PhD focuses on video content semantic analysis with the use of visual information obtained from the video. More specifically, the extracted semantic descriptions refer to object movement, through tracking and annotation, through classification. In order to tackle the problem of object tracking, two tracking algorithms were implemented, based exclusively on the visual information obtained from the video. The first tracker creates an object appearance model, based on color histograms and local steering kernel texture descriptors. The second tracker extends the first tracking algorithm so that it operates on stereo video sequences. The stereo tracker exploits fully the stereo geometry information, i.e., disparity information. The tracking results can be employed from the classification algorithms in two ways: in the creation of the data set on which classification will be performed and in the exploitation of the semantic information that lies in the object trajectories for increasing ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/34898
ND
34898
Εναλλακτικός τίτλος
Computer vision and machine learning techniques for tracking and classifying anthropocentric data
Συγγραφέας
Ζωίδη, Όλγα του Βασίλειος
Ημερομηνία
2014
Ίδρυμα
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής. Τομέας Ψηφιακών Μέσων
Εξεταστική επιτροπή
Πήτας Ιωάννης
Νικολαΐδης Νικόλαος
Τέφας Αναστάσιος
Κοτρόπουλος Κωνσταντίνος
Τσίτσας Νικόλαος
Ντελόπουλος Αναστάσιος
Χριστόφορος Νίκου
Επιστημονικό πεδίο
Φυσικές Επιστήμες
Επιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Επιστήμες Μηχανικού και Τεχνολογία
Επιστήμη Ηλεκτρολόγου Μηχανικού, Ηλεκτρονικού Μηχανικού, Μηχανικού Η/Υ
Λέξεις-κλειδιά
Υπολογιστική όραση; Μηχανική μάθηση; Αναγνώριση προτύπων; Ανθρωποκεντρικοί υπολογιστές
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
166 σ., εικ., πιν., σχημ., γραφ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)