Citation Number
4
Views
32
Downloands
4
Bu çalışmada yaban hayatında görüntü işleme tabanlı yaban hayvanlarının tür tespiti ve sayımının yapılması hedeflenmiştir. Korunan alanlarda sabit bir kameradan elde edilen görüntülerden ülke ekonomisine av turizmi ile katma değeri olan yaban hayvanlarının tür tespiti yapılarak sayımının yapılmasına yönelik görüntü işleme tabanlı bir sistem geliştirilmiştir. Bu sistem sayesinde yüksek başarım ile yaban hayvanlarının türlerinin belirlenmesi ve sayımının yapılması amaçlanmıştır. Bunun için ilk olarak gauss karma modelleri (GMM) tekniği ile gerçek zamanlı foto kapan videolarından alınan görüntü sahnelerinden arka plan görüntüsü çıkarılmıştır. Sonra videonun arka plan ve ön plan görüntülerinden yaban hayvanlarının fiziksel ve renksel öznitelikleri çıkarılmıştır. Hareketliliğin çok olduğu doğal yaşamda anlık elde edilen gerçek zamanlı kompleks bir görüntü sahnesinde geliştirilen alan testi, öznitelik testi ve renk testi kriterleri ile hedeflenen yaban hayvanın tespit edilmesi sağlanmıştır. Yapılan deneysel çalışmalarda geyik, tilki, kurt ve yaban atından oluşan 4 adet yaban hayvanı tür tespiti %100 doğruluk oranı ile gerçekleştirilmiştir. Yazılımın video çerçevesi başına düşen işlem süresi 0.242 saniyedir. Geliştirilen yöntemler ile yaban hayvanı envanterine yönelik tür tespitinin %100 başarı oranı ile insan gücüne gerek duymadan, daha düşük maliyetli kamera sistemleri ve bilgisayar yazılımı ile yapılabileceği görülmüştür. Literatürdeki yaban hayvanları sınıflandırma çalışmalarından farkı yaban hayvanı tanıma işleminin nesne tanıma üzerine oluşturulan hazır algoritmaları kullanmadan geliştirilen daha basit matematiksel işlemlerle ve renk faktörü ile hedeflenen %100 tanıma oranının yakalanmasıdır. Çalışmamızda kullandığımız yaban hayvanı tanıma algoritmaları bilgisayarlı görme uygulamalarında dinamik nesne tespiti çalışmalarına altyapı olacağı ve diğer tüm nesne tanıma çalışmalardaki başarım oranını arttıracağı aşikardır.
This study aims to identify and count the species of wild animals based on image processing in wildlife. In protected areas, a system based on image processing has been developed for the production of images obtained from a fixed camera to the country’s economy by the identification of the species of wild animals with added value to the hunting tourism. This system has been designed to identify and count the species of wild animals with high success. For this first, the background image was taken from the image scenes taken from real-time photoshoot videos with the Gauss karma models (GMM) technology. Then the physical and colorful properties of wild animals were removed from the background and front picture of the video. The field test developed in a real-time complex image scene that is instantly obtained in the natural life with a lot of mobility, the identity test and the color test criteria have been provided for the detection of the target wild animal. In the experimental studies, four species of wild animals consisting of rabbits, rabbits, wolves and wild horses were identified with a 100% accuracy rate. The processing time per video frame of the software is 0.242 seconds. The developed methods and wildlife inventory species detection can be done with a 100% success rate without the need for human power, with lower-cost camera systems and computer software. The difference from the studies of wildlife classification in literature is the capture of the 100% targeted recognition rate with simpler mathematical processes developed without using the prepared algorithms created on object recognition of the wildlife process and the color factor. It is clear that the wild animal recognition algorithms we use in our study will be the infrastructure for dynamic object recognition studies in computer vision applications and will increase the success rate in all other object recognition studies.
In this study, it is aimed to detect and count wild animals based on image processing in wildlife. From the images obtained from a fixed camera in the protected areas, an image processing based system has been developed for detecting and counting wild animals which are added value with hunting tourism to the country's economy. Through this developed system, it is aimed to both determine and count the wild animal species with high performance. For this, firstly, using gaussian mixed models (GMM) technique, the background images were extracted from the image scenes coming from real-time photocapture videotapes. In a real-time complex image scene that is instantaneous in nature where there is a lot of mobility, developed field test, attribute test and color test criteria are used to determine the targeted wild animal. In the experimental studies, 4 species of wild animals including deer, fox, wolf and wild horses were detected with 100% accuracy. The software's processing time per video frame is 0.242 seconds. With the developed methods, it has been seen that species determination for wild animal inventory can be done with less cost camera systems and computer software without human power with 100% success rate. The difference from the wild animal classification studies in the literature is the catching of the 100% recognition rate targeted by wild animal identification process with simpler mathematical operations and color factor developed without using ready-made algorithms on object recognition. The wild animal recognition algorithms we use in our work are obviously to be the infrastructure for dynamic object detection studies in computer vision applications and all other object recognition will increase the performance ratio in the studies.
Field : Mühendislik
Journal Type : Ulusal
Article Detail 
Citation Owners
Similar Articles
Download PDF
Journal Information
Listen Paper
Print This Page
Share
Mendeley
