Search

Açık alanlar için geliştirilen konumlandırma sistemleri, kara, hava ve deniz navigasyon sistemleri, turizm ve ormancılık gibi bir çok alanda kullanılmaktadır. Lakin kapalı alanlarda, bina, duvar ve dış yüzeylerinin sebep olduğu sinyal zayıflamasından dolayı global konumlandırma sistemi (GPS) kullanımı etkisiz kaldığından, konum bulma sistemlerinde farklı kablosuz haberleşme teknolojilerden faydalanılmaktadır. Kapalı alanda konum tespit çalışmaları, ibeacon teknolojisinin mobil cihazlarda standartlaştırılmasından sonra daha da ilgi görmüştür. Bu alanda birçok algoritma oluşturulmuştur ve neredeyse her algoritmanın ihtiyaçlara uygun olarak problem çözme yeteneği vardır. GPS gibi açık alanlarda oldukça başarılı olabilen küresel konumlandırma sistemleri, uydu görüş açısı eksikliği veya düşük baz istasyonu çekim kalitesi nedenleriyle iç mekanlarda aynı şekilde yeterlilik gösterememektedirler. Sonuç olarak kapalı alanlarda en az masraf ile en hassas konumlandırma performansına ulaşabilmek için birçok metot geliştirilmektedir. Bu tez çalışmasında, mobil cihazların yerlerinin tespitine yönelik olarak bir kapalı alan konumlandırma algoritması geliştirilmiştir. Ana hedef, geliştirilen algoritmanın doğruluk kapasitesinin yükseltilmesi ve her durum uygun olacak şekilde yeniden yapılandırılmasıdır. Bunların yanı sıra istenen doğruluk miktarının ayarlanabilmesi, internetin olmadığı alanlarda da çalışabilmesi, düşük maliyet ve kolay hesaplanabilmesi özellikleri de göz önüne alınarak bir metot geliştirilmesi sağlanmıştır. Geliştirilen metot bluetooth 4.0 teknolojisine sahip beaconlarla çalışmaktadır ve mobil cihazlardan alınan sinyal gücü göstergeci (Receive Signal Strength Indicator - RSSI) değerleri okuyup yorumlaması temeline oturtulmuştur. Elde edilen sonuçlar, Trilateration, Tulip, Cramer rao ve Ağırlaştırılmış ortalama metotlarının sonuçlarıyla karşılaştırılmıştır. Positioning systems developed for open spaces are used in many areas such as land, air and sea navigation systems, tourism and forestry. However, different wireless communication technologies are utilized in the location detection systems since the use of GPS is ineffective because of the weakness of the signal caused by walls and exterior surfaces in indoor areas. Closed-field locator work has become even more popular after iBeacon technology has been standardized on mobile devices. Many algorithms are built in this area and almost every algorithm has the ability to solve the problem by being suitable for needs. Global positioning systems which can be quite successful in open areas such as GPS are not able to show the same qualities indoors because of lack of satellite view angle or low base station shooting quality. In the result, many methods have been developed to achieve the most precise positioning performance with the lowest cost in enclosed spaces. In this thesis study, a closed area positioning algorithm for detecting the location of mobile devices has been developed. Main aim to increase developed algorithm's accuracy capacity and to reconfigure by fitting every condition. In addition to this, a method has been developed in order to adjust the amount of required accuracy, to work in areas where the internet is not available, low cost and easy calculation features. The developed method is based on reading and interpreting the Receive Signal Strength Indicator (RSSI) values of bluetooth 4.0 beacons and mobile devices. The obtained result was compared with trilateration, tulip, cramer rao and weighted average method. 69

Çoklu elips ile temsil edilen genişletilmiş hedef takip problemi ele alınmıştır. Ortaya çıkan ve içerisinde ölçümlerin alt nesnelere sınıflandırılmasını içeren bu problem sıralı Monte Carlo (SMC) teknikleri kullanılarak değerlendirilmiştir. Çeşitli parçacık filtre tabanlı yöntemler kullanılarak bu birleştirme problemi hedefin şeklinin bilindiği farz edilerek çözülmüştür. Hedefin şeklinin bilinmediği takdirde ise çoklu elips parametreleri de tahmin edilmelidir. Bu amaçla hedefin hereketsel durumunu ve şeklini birlikte kestirmek için parçacık filtresi tabanlı bir yöntem tasarlanmıştır. Bu tasarlanan yöntem, değişken Bayes tekniği kullanarak yaklaşık koşullu analitik ifadeler elde eder ve bu ifadeleri parçacık filtresinde marjinalleşme yöntemi uygulamak için kullanır. The problem of extended target tracking is considered in which the target extent is represented with multiple ellipses. The resulting inference problem, which is considered in the sequential Monte Carlo (SMC) framework, includes association of the measurements between sub-objects. We make use of different particle filtering approaches to solve the aforementioned association problem under the assumption of known extent. When the extent is unknown, parameters of the multiple ellipses should also be estimated. For this purpose, a particle filter based method is derived for joint estimation of target's kinematic and extent states. The proposed method uses variational Bayes technique to obtain an approximate conditional analytical expression, which enables the use of Rao-Blackwellization (a.k.a. marginalization) idea in particle filtering. 91

Nesne hareketi tahmin etme, video işlemenin temel bileşenlerinden biridir ve video temsiline ihtiyaç duyan uygulamalardaki ilk adımdır. Görsel nesne takibi, bu bileşenin çıkarılma yollarından birisi olup, bilgisayarla görme alanındaki önemli bir problemdir. Bu sorunu çözmek için geçmişte birçok ayırımcı ve üretken makine öğrenme yaklaşımları kullanılmıştır. Son zamanlarda, korelasyon süzgeci tabanlı (KST) yaklaşımlar, hesaplama verimliliği ve karşılaştırma amaçlı kullanılan veri kümeleri üzerinde dikkate değer performansları nedeniyle popüler olmuştur. KST yaklaşımlarının nihai amacı, gerçek nesne konumu etrafında yüksek korelasyon çıktıları üretebilen ve nesneden uzaktaki yerler çevresinde düşük korelasyon çıktıları üretebilen bir süzgeci (diğer bir deyişle şablon) hesaplamaktır. Bununla birlikte, KST görsel takip yöntemleri; kapanma, ani görünüm değişiklikleri, hızlı hareket ve nesne deformasyonu gibi birçok durumda zorlanmaktadır. KST yöntemlerinin basit güncelleme aşamaları, en iyi olmayan model güncelleme oranı ve hedef nesnenin görünüm değişikliklerine karşı sağlam olamaması KST yöntemlerinin takip ve konumlandırma performanslarındaki azalmaların sebepleri olarak gösterilebilir. KST görsel takip yöntemlerinin yukarıda belirtilen dezavantajlarını gidermek için bu tez üç önemli katkı içermektedir. İlk olarak, korelasyon kalitesini arttırmak için mekânsal pencere öğrenme yöntemi önerilmiştir. Bu amaçla, nesne görüntüsü (veya korelasyon filtresi) ile çarpılacak bir pencere, yeni bir gradyan iniş prosedürüyle öğrenilir. Öğrenilen pencere, nesnenin gerekli bölgelerini bastırma/vurgulama yeteneğine sahiptir ve kapanma ve nesne deformasyonu durumunda takip performansını artırabilir. İkinci bir katkı olarak, en iyi olmayan öğrenme hızı ve nesnenin geçmiş pozlarını unutma zorlukları ile baş edebilmek için birden çok takipçiyi (hedef takip yöntemi) içeren bir takip grubu yöntemi önerilmiştir. Gruptaki takipçiler, ikili bir ağaçta düzenlenir, ve her takipçi ağacın düğümlerinde saklanır. Takip sırasında, en son nesne görünümüne ilişkin uzman takipçiler etkinleştirilir ve konumlandırma ve güncelleme aşamalarında kullanılır. Önerilen takipçiler grubu yönteminin, uzman takipçilerin bu tezde önerilen pencere öğrenme yöntemiyle birleştirilmesi ile konumlandırma doğruluğunu önemli ölçüde geliştirdiği gözlenmiştir. Tezin son katkısı, KST görsel takip kayıp fonksiyonu üzerine odaklanan öznitelik öğrenme problemini ele alır. Bu kayıp fonksiyonu için, tamamen evrişimsel derin sinir ağını eğitmek için yeni bir geri yayılım algoritması geliştirilmiştir. Geri yayılım için gerekli olan gradyan hesaplaması, frekans ve görüntü uzaylarında etkin bir şekilde gerçekleştirilir ve öznitelik haritalarının sayısı ile doğrusal bir karmaşıklığa sahiptir. Ağ modelinin eğitimi, görsel izlemenin iyi bilinen zorluklarını (örneğin kapanma, nesne deformasyonu ve hızlı hareket) da dâhil ederek hazırlanmış veri kümeleri üzerinde gerçekleştirilir. Öğrenilen öznitelikler, en gelişmiş KST görsel takipçilere entegre edildiğinde - manuel olarak tasarlanmış öznitelikleri veya önceden eğitim görmüş sınıflandırma modellerinden çıkarılan derin öznitelikleri kullanan KST yöntemlerine kıyasla - karşılaştırma veri kümelerinde olumlu takip performansı sağlamıştır. Estimating object motion is one of the key components of video processing and the first step in applications which require video representation. Visual object tracking is one way of extracting this component, and it is one of the major problems in the field of computer vision. Numerous discriminative and generative machine learning approaches have been employed to solve this problem. Recently, correlation filter based (CFB) approaches have been popular due to their computational efficiency and notable performances on benchmark datasets. The ultimate goal of CFB approaches is to find a filter (/emph{i.e.}, template) which can produce high correlation outputs around the actual object location and low correlation outputs around the locations that are far from the object. Nevertheless, CFB visual tracking methods suffer from many challenges, such as occlusion, abrupt appearance changes, fast motion and object deformation. The main reasons of these sufferings are forgetting the past poses of the objects due to the simple update stages of CFB methods, non-optimal model update rate and features that are not invariant to appearance changes of the target object.In order to address the aforementioned disadvantages of CFB visual tracking methods, this thesis includes three major contributions. First, a spatial window learning method is proposed to improve the correlation quality. For this purpose, a window that is to be element-wise multiplied by the object observation (or the correlation filter) is learned by a novel gradient descent procedure. The learned window is capable of suppressing/highlighting the necessary regions of the object, and can improve the tracking performance in the case of occlusions and object deformation. As the second contribution, an ensemble of trackers algorithm is proposed to handle the issues of non-optimal learning rate and forgetting the past poses of the object. The trackers in the ensemble are organized in a binary tree, which stores individual expert trackers at its nodes. During the course of tracking, the relevant expert trackers to the most recent object appearance are activated and utilized in the localization and update stages. The proposed ensemble method significantly improves the tracking accuracy, especially when the expert trackers are selected as the CFB trackers utilizing the proposed window learning method. The final contribution of the thesis addresses the feature learning problem specifically focused on the CFB visual tracking loss function. For this loss function, a novel backpropagation algorithm is developed to train any fully deep convolutional neural network. The proposed gradient calculation, which is required for backpropagation, is performed efficiently in both frequency and image domain, and has a linear complexity with the number of feature maps. The training of the network model is fulfilled on carefully curated datasets including well-known difficulties of visual tracking, /emph{e.g.}, occlusion, object deformation and fast motion. When the learned features are integrated to the state-of-the-art CFB visual trackers, favorable tracking performance is obtained on benchmark datasets against the CFB methods that employ hand-crafted features or deep features extracted from the pre-trained classification models. 170

Bu tez çalışması kapsamında hedef takibi problemi çeşitli senaryolarda benzetimyoluyla incelenmiştir. Bu senaryolarda hedeflere ait hareket verisi gerçekçi olarakbenzetim yoluyla üretilmiştir. Ölçüm verisi bu verilerden sentezlenirken gerçek hedeftakibi uygulamalarında problem oluşturabilecek hususlar dikkate alınmış ve veriyeeklenmiştir. Bu tezde kaçırılan ölçümler, yansıma kaynaklı parazit ölçümler, birbirineyakın konumlandırılmış hedefler, model uyumsuzluğu, çoklu hedef takibi ve iz yönetimikonuları üzerinde durulmuştur.Bu tezin amacı klasik hedef takip yöntemlerini gerçekçi senaryolarda incelemek vebu senaryolarda problemleri çözen hedef takip sistemleri geliştirmektir. Çalışmakapsamında kestirim amaçlı Kalman filtresi ve Genişletilmiş Kalman filtresi kullanılmıştır.Veri ilişkilendirme için olasılıksal ve birleşik olasılıksal veri ilişkilendirme yöntemleri,standart ve global en yakın komşu veri ilişkilendirmesi yöntemleri kullanılmıştır. İzlerinyönetimi için literatürde M/N mantığı olarak bilinen iz yönetimi yaklaşımı kullanılmıştır.Tezde tüm senaryolar için hedef takibi uygulamaları başarıyla gerçekleştirilmiştir.Farklı yöntemler için hatalar aritmetik ve geometrik olarak hesaplanmıştır. Yöntemlerbaşarıları ve karmaşıklıkları yönünden değerlendirilmiş ve sonuçlar karşılaştırmalı olaraksunulmuştur. In this thesis, the problem of target tracking has been investigated by means ofsimulation for various scenarios. In these scenarios, the motion data for the targets wasgenerated realistically by simulation. While the measurement data is synthesized fromthese data, it has been taken into consideration that the actual target tracking applicationscan cause problems, and the data has been added. This thesis focuses on missedmeasurements, clutter measurements, closely spaced targets, model mismatch, multipletarget tracking and track management issues.The purpose of this thesis is to study the classical target tracking methods in realisticscenarios and develop target tracking systems that solve the problems in differentscenarios. The Kalman filter and the Extended Kalman filter were used for estimationpurposes. Probabilistic and joint probabilistic data association methods, standard andglobal nearest neighbor data association methods are used for data association. For themanagement of traces, track management approach known as M / N logic was used.In the thesis, target tracking applications for all the scenarios have been successfullydeveloped. Errors for different methods are calculated arithmetically and geometrically.The methods were evaluated for their success and complexity, and the results werepresented comparatively. 87

Bu tezin amacı, elektromanyetik dalgaları kullanarak beton, tuğla, ağaç gibi engellerin arkasına gizlenmiş hedeflerin uzaktan tespitini sağlayabilecek askeri ve sivil uygulamalara yönelik çok geniş bantlı ileri bakan radar sistemi için çeşitli ortam senaryolarına uygun görüntüleme yapabilen adapte edilebilir işaret ve görüntü işleme algoritmalarının geliştirilmesidir.Bu kapsamda, laboratuvar ortamında hazırlanmış deneysel düzenek ile engel arkası farklı senaryolar için darbe ve frekans atlamalı iki tip yere nüfuz eden radar sistemi kullanılarak tarama verileri toplanmıştır. Frekans atlamalı radar sistemi, yüksek dinamik aralık ve yüksek çözünürlükte görüntüleme sağlaması ile cisimlerin tomografik görüntülerinin oluşturulmasında tercih edilmiştir. Darbeli radar sistemi ise yüksek hızlı algılama üstünlüğü ve işaret işleme kolaylığı ile derine bakan hızlı taramalı uygulamalarda hedef hareketinin tespit performansının incelenmesi için kullanılmıştır.Ayrıca, frekans atlamalı radar ile toplanan veriyi parazit ve gürültüden temizlemek ve hedeflerin yüksek çözünürlükte görüntüsünü oluşturabilmek için menzil ve huzme parametrelerine dayalı özgün yapay açıklık radarı algoritması, menzil çözünürlüğünü artırarak frekans ortamından zaman ortamına dönüşümü sağlayacak MUSIC algoritması gibi güncel sinyal işleme algoritmaları geliştirilmiştir.Sonuç olarak, iki farklı tipte radar sisteminin performans üstünlüklerinden yola çıkarak, çok geniş bantlı engel arkası görüntüleme radar sistemleri ile çeşitli senaryolar için test verileri toplanmıştır. Elde edilen veriler kullanılarak, gizlenmiş hedef ya da hedeflerin tespit ve takibi adapte edilebilir sinyal işleme teknikleri ile gerçekleştirilmiştir. The principal aim of this thesis is development of adaptive signal and image processing algorithms by using electromagnetic waves in accordance with various scenarios for ultra-wide band radar system suited to military and civilian application that will provide remote sensing of the concealed targets which in behind the obstacles such as concrete, brick, tree.In this project, using the laboratory equipment, some measurements are taken for different scenarios of behind the obstacles by using two types of ground penetrating radar systems in frequency and time domains. Stepped frequency radar systems are preferred in tomographic imaging because of acquiring high dynamic range and high resolution. On the other hand, impulse radar systems provide high-speed detection capability and facilitate the signal processing. Therefore, performance of moving target detection was examined with impulse radar by using eclipse equations.Furthermore, in order to reduce of interference and noise and obtain the focused image from the raw data which are collected with the stepped frequency radar system, signal processing algorithms are designed such as synthetic aperture radar algorithm based on range and beam parameters and MUSIC algorithm that provides transformation of signals from frequency domain to time domain with high range resolution.As a result, based on performance advantages of two different types of radars, the test data were collected for various scenarios with ultra wide band radar systems. Using the obtained data, tracking and detecting of concealed target were carried out with adaptive signal processing techniques. 91

Günümüzde konfor ve hayat kalitesinin artırılması ve belirli işleri daha zahmetsiz ve eğlenceli bir şekilde yapma isteği, yaşam alanlarının akıllı aletlerle donatılmasını vazgeçilmez bir ihtiyaç haline getirmiştir. Bu akıllı ortamların inşa edilmesi ile günlük hayatta sıkça kullandığımız elektrikli aletler, işlevlerini uzaktan ve temassız yönetilerek yürütebilir ve çalıştıkları ortamı bir şekilde gözetleyerek daha etkili ve verimli faaliyet gösterebilirler. Yaşam alanlarının akıllı hale getirilmesi ihtiyacını doğuran bir başka sebep de hasta, yaşlı ve özürlü insanların hayat kalitesini artırmak ve sağlık durumlarını gösteren verilerinin bir şekilde izlenmesiyle olası problemlerin önünü almaktır.Yukarıda ifade edilen amaçlar doğrultusunda tasarlanmak istenen akıllı aletler, insanların hareketleri ve konumlarına bağlı olarak tanımlanmış tepkileri üretebilmek için gelişmiş gömülü `çevresel zeka` (ambient intelligence-AmI) ve `çevresel destekli yaşam` (ambient assisted living-AAL) teknolojilerine ihtiyaç duyar. Bu çalışmada AmI ve AAL alanlarına yönelik farklı yenilikçi uygulamalar ve yöntemler sunulmaktadır. Çalışmada ilk olarak piro-elektrik kızılberisi (PIR) algılayıcılar ve kamera yardımıyla elektrikli aletleri uzaktan yönetmeye yarayan el hareketleri tanıma ve algılama sistemi tanıtılmıştır. İzlenen alanda kamera ile el varlığı tespit edildikten sonra, diferansiyel PIR algılayıcı dizisi ile basit el hareketleri tanınmıştır. Geliştirilen devre yardımıyla PIR algılayıcılara ait sinyaller sayısallaştırılarak, dalgacık tabanında (wavelet domain) işlenmiş ve yeniden tasarlanmış winner-take-all (WTA) imza algoritması ile sınıflandırılmıştır. İki resim arasındaki benzerliği ölçmek için tasarlanan WTA imza algoritması, ilk defa tek boyutlu sinyallerin sınıflandırılmasında kullanılmıştır.Çalışmanın ikinci aşamasında yine diferansiyel PIR algılayıcı ve kameranın birlikte kullanımıyla belirli bir alandaki insan sayısını hassas bir şekilde kestirebilen bir sistem sunulmuştur. İzlenen alanda görüntü işlemeye dayalı insan yüzleri tespiti üzerinden yapılan insan sayma işleminde karşılaşılan hatalar, PIR algılayıcı verilerinin de işlenmesiyle elde edilen ilave bilgiler sayesinde azaltılmıştır. PIR algılayıcı sinyalleri dalgacık tabanında işlenmiş ve Markov modellere dayalı bir sınıflandırma yöntemiyle insanın sıradan hareketleri ve izlenen alana giriş/çıkış hareketleri %3'ün altında bir hata oranıyla ayırt edilmiştir. Bu sonuç insan sayısı kestiriminde sadece kamera kullanılan duruma göre %8'lik bir iyileşmeyi netice vermiştir. AAL alanında yapılan bir diğer çalışma, titreşim ve PIR algılayıcıları kullanarak insana ait solunum hareketleri izleme sistemidir. Farklı tipteki algılayıcılardan elde edilen sinyaller, görgül kip ayrıştırma (EMD) ve dalgacık dönüşümü yöntemleriyle işlenmiştir. İşlenen farklı algılayıcı sinyalleri yeni bir çok modlu ortalama büyüklük fark fonksiyonunda (AMDF) tümleştirilerek, solunum aktivitesinin varlığı ve solunum hızına karar verilmiştir. EMD ve dalgacık dönüşümü yöntemlerinin ürettiği sonuçlar karşılaştırılmıştır. Önerilen çok modlu sistem solunum hızını, her iki yöntem için de en fazla 2 solunum/dakika sapmayla belirleyebilmiştir. Ayrıca çok modlu bu sistem ile uyku apnesi tespitinin de yapılabileceği gösterilmiştir. Tercih edilen algılayıcı çeşitleri sebebiyle sistem, alanında ilktir. Çalışmada son olarak insan algılama ve izlemeye yönelik yeni bir yöntem sunulmuştur. Resim karesinde hareketli olduğu belirlenen bölgelere ait öznitelikler, bölgesel ortak değişinti (regional covariance) ve bölgesel ortak fark (regional co-difference) yöntemleriyle çıkarılmıştır. Bu öznitelikler destek vektör makinelerine (SVM) beslenerek ilgili bölgedeki insan varlığına karar verilmiştir ve belirtilen öznitelik çıkarımı yöntemlerinin performansları karşılaştırılmıştır. Daha sonra bilinen ve genellenmiş özdeğerlere (generalized eigenvalues) dayalı olarak izleme yapan yönteme alternatif olarak, WTA kodlarına dayalı bir izleme metodu önerilmiştir. Bu iki metoda ait izleme sonuçları karşılaştırılmış ve önerilen metodun işlem yükünü azaltırken, izleme hassasiyetini kabul edilebilir ölçüde koruduğu gösterilmiştir. Today, the desire to increase the quality of life and comfort level and to do the daily jobs effortlessly and entertainingly has led the living areas to be equipped by intelligent devices. By building these intelligent environments the electrical devices, which we use very often in our daily lives, can be controlled contactless and remotely by the users. They can also function more efficiently and effectively by surveilling the environment they operate in. Another reason that makes intelligent living areas a necessity is to prevent potential health problems of elderly, disabled and already sick people.The electrical devices, which is designed to serve the aims mentioned above, needs advanced embedded ambient intelligence (AmI) and ambient assisted living (AAL) technologies to react accordingly with the actions and locations of people in the living areas. In this study different novel applications and methods related to AmI and AAL fields are proposed. First, a hand gesture detection and recognition system that uses a differential pyro-electric infrared (PIR) sensor array and a camera to control the electrical devices remotely is introduced. Having detected the hand presence in the surveillance area by using the camera, simple hand gestures are recognized by the differential PIR sensor array. PIR sensors' signals are digitized with the help of a special circuit and transferred to a general purpose computer. The signals are then processed in the wavelet domain and classified by a modified winner-take-all (WTA) hash method. The WTA hash algorithm designed to measure the similarity between two images is used first in this study to classify 1-D signals.In the second stage of this study a system consisting of a differential PIR sensor and a camera to estimate the number of people robustly in a definite area is proposed. Some errors have occurred while estimating the number of people from faces in the surveillance area by using only the image analysis. These errors are reduced by utilizing the additional information obtained from the PIR sensor signal analysis. The sensor signals are processed in the wavelet domain and then used to distinguish the entrance to/exit from the surveillance area and ordinary activities of people in that area. A Markov model based approach is employed for the classification of these two types of actions and as a result an error below 3% is achieved. The multi-modal system provides an improvement of about 8% in the accuracy success.Another study in the AAL field is the respiratory activity tracking system which consists of a vibration and a differential PIR sensor. The signals acquired from different types of sensors are processed using wavelet transform and empirical mode decomposition (EMD). Processed sensor data are fused by using a new average magnitude difference function (AMDF) to detect respiratory movements and estimate the respiratory rate. The results produced by the wavelet and EMD methods are compared. The proposed multi-modal system can estimate the respiratory rate with a maximum of 2 breathings/minute deviation from the ground truth for both methods. The system is capable of detecting the sleep apnea as well. The study is first in its field to fuse the PIR and the vibration sensor data. In the final stage of the study, a new human detection and tracking method is presented. The features corresponding to the moving regions in the video frame are extracted by using regional covariance and co-difference methods. These features are then fed to support vector machines (SVMs) to detect human and the detection results of the two methods are compared. A new tracking method which replaces the generalized eigenvalues with WTA hash codes in the well-known tracking technique is proposed. The tracking performances of the two methods are compared. The new method achieves an acceptable performance while reducing the computational complexity significantly. 119

Derin öğrenme, çoklu tabakalardan oluşan işlemsel modellerin eğitilmesidir ve bu yöntemler görsel nesne tespiti, sahne anlamlandırması veya konuşma tanıma gibi pek çok alanda en son teknolojinin önüne geçmiştir. Nispeten eski olan bu yöntemlerin yeniden doğuşu genellikle büyük veri kümelerinin ulaşılabilirliği, güncel donanımların işlem gücü ve büyük verilerin iç mimarisinden istifade eden, göreceli yeni önerilen güdümsüz eğitim yöntemleri ile ilişkilendirilmektedir. Sayıları binler hatta milyonlar seviyesinde olan iç değişkenlerin iyi olanlarını zahmetli bir şekilde arama işleminin, kullanılan veri kümesinin göreceli küçük olması durumunda anlamlı bir modelle sonuçlanması neredeyse imkansızdır ve bu durum,derin mimarilerin, bilgisayarla görü alanında zorlu ancak oldukça önemli bir hedef olan görsel nesne takibinde nadir olarak kullanılmasının sebebidir. Bu tez kapsamında sıra düzenli betimlemelerin, görsel nesne takibinde oldukça yaygın kullanılan ve takip problemini sabit imgelerde nesne tespiti olarak yorumlayıp zamansal bilgiyi Bayesçi bir çatı altında anlamlandıran tespit ile takip yöntemi dahilinde kullanımı araştırılmıştır. Yığınlı özkodlayıcılar ve sıradüzensel betimlemeler yardımcı veri kümeleri kullanılarak eğitilmiş ve sonuçta çıkan sıradüzenli betimlemeler hem oldukları gibi hem de az sayıda mevcut olan veri kullanılarak modele yapılan ince ayar sonrasında test edilmiştir. Deneylerin bir yarışma platformu kullanılarak yapılması, sadece sıradüzenli betimlemelerin iyi bilinen ve sıkça kullanılan mühendislik ürünü betimlemeler ile adil olarak kıyaslanma-sını sağlamamış, aynı zamanda, kullanılan çatı algoritmanın mevcut tüm takip algoritmaları içerisindeki yerinin görülmesine de olanak tanımıştır. Deney sonuçları, ince ayar yapılmadığı durumlarda dahi yardımcı veri kümelerinin girişik yapılarından faydalanmanın görsel nesne takibi çözümüne katkıda bulunacağını göstermiştir. Deep learning is the discipline of training computational models that are composed of multiple layers and these methods have improved the state of the art in many areas such as visual object detection, scene understanding or speech recognition. Rebirth of these fairly old computational models is usually related to the availability of large datasets, increase in the computational power of current hardware and more recently proposed unsupervised training methods that exploit the internal structure of very large, unlabeled datasets. An exhausting search of good parameters that are usually on the order of thousands, or evenmillions, i nearly impossible to result in a meaningful model when available dataset is relatively small and this is the reason why deep architectures are barely used for visual object tracking, which is a challenging yet very important task in computer vision. In this thesis, we investigate the use of hierarchical representations within the tracking-by-detection framework, a common strategy in visual object tracking that regards tracking as a detection problem in still images where temporal information is handled within a Bayesian approach. Stacked autoencoders and convolutional neural networks are trained using aux-iliary datasets and the resultant hierarchical representations are experimented both off-the-shelf and after fine-tuning the pre-trained models using the few samples available. Experiments are realized using a challenge toolkit, which not only enables a fair comparison of hierarchical representations with well-known and widely-used hand-crafted features by using the same tracking-by-detection setting, but also demonstrates the performance of utilized framework among all recent visual tracking algorithms. Test results show that exploiting the intricate structure in auxiliary dataset, even without fine-tuning, contributes to the solution of visual object tracking problem. 139

Bir video görüntüsünde var olan nesnelerin takibi; robotların öğrenme mekanizması (bir nesnenin görsel özelliklerinin robot tarafından; hareket etme, şekilsel değişikliğe uğrama, ölçek değişimi, ve/veya dönme gibi zaman içinde nesnede meydana gelen değişikliklerin anbean takip edilerek öğrenilmesi), savunma, kamu güvenliği, ve bunlara benzer diğer birçok alanda önemli bir yere sahiptir. Bu tezde yakın bir zamanda önerilmiş olan, TLD (Takip Etme-Öğrenme-Tespit) isimli bir nesne takip algoritmasına odaklandık. TLD başarılı sonuçlar üretmesine karşın, çok yüksek hesaplama gücüne ihtiyaç duyan bir yöntemdir. Bu yüksek hesaplama gücüne duyulan ihtiyaç; CPU üzerinde yüksek çözünürlüklerdeki video'larda tek bir nesnenin takibini ya da bir video'da birden fazla nesnenin takip edilebilmesini engellemektedir. Biz de bu özgün takip algoritmasının hızını arttırmaya yönelik bir dizi çalışmalar yaptık ve GP-GPU (GPU üzerinde genel amaçlı programlama) ile Open-MP ve CUDA teknolojilerini kullanarak hibrid bir çözüm gerçekleştirdik. Sonuçlarımız gösteriyor ki 480x270 çözünürlükte 2.82 kat kadar hızlanma sağlanmaktadır. Çok büyük bir ölçekte paralel bir sistemden beklendiği üzere hızlanma daha yüksek çözünürlüklerde daha fazla olmaktadır ve 1920x1080 çözünürlüğünde 10.25 kata kadar yükselmektedir. Bu hızlanma, yüksek çözünürlüklerde nesne takibine ve çoklu nesne takibine imkan sağlamakta ve takip algoritmasının kalitesini arttıracak şekilde kurulum değişkenlerinin belirlenmesine olanak sağlamaktadır. Tracking objects in a video stream is an important problem in robot learning (learning an object's visual features from different perspectives as it moves, rotates, scales, and is subjected to some morphological changes such as erosion), defense, public security and many other various domains. In this thesis, we focus on a recently proposed tracking framework called TLD (Tracking-Learning-Detection). While having promising tracking results, the algorithm has high computational cost. The computational cost of the algorithm prevents running it at higher resolutions as well as running multiple instances of the algorithm to track multiple objects on CPU. In this thesis, we analyzed this framework with an aim to optimize it computationally on a CPU-GPU hybrid setting and developed a solution via using GP-GPU (General Purpose GPU) programming using Open-MP and CUDA. Our results show that 2.82 times speed-up at 480x270 resolution can be achieved. The speed-ups are higher at higher resolutions as expected in a massively parallel GPU platform, increasing to 10.25 times speed-up at 1920x1080 resolution. The resulting performance of the algorithm enables the algorithm to track multiple objects at higher frame rates in real-time and improving detection and tracking quality by allowing selection of configuration parameters requiring higher processing power. 105

Tracking a target as it moves in monitored area has become an increasingly important application for wireless sensor networks (WSNs). Target tracking algorithms continuously report the position of the target in terms of its coordinates to a sink node or a central base station. Due to the rapid development of WSNs, there is no standardized classification of target tracking algorithms. Some of those classifications consider scalability, energy consumption and accuracy ; other classification considers network topology, position of target, mobility of target/object etc. In this paper, we have considered target tracking algorithms of WSNs from the security point of view. We have compared and discussed problem of security in the most important target tracking algorithms for WSNs. To the best of our knowledge, this is the first study that analyses the target tracking algorithms in terms of security.

Son yıllarda robot sistemi çeşitli alanlarda gözlemlendi. Bu alanlar endüstriyel, devlet, askeriye, sağlık ve benzeri alanlardı. Görüş dataları robot sistemini kontrol etme performansını artırmak üzere robota entegre edildi. Görüş sensörleri ( kamera ) kullanılarak ilgili özellikler ve bilgiler hesaplanabilir. Görüş sisteminden alınan bilgi robot kolu efektörünü kontrol etmek üzere geri bildirimde kullanılabilir ancak, bu bilgiyi görüş sisteminden almak fazla zaman alır. Bu tez, robot kolu efektörüne yerleştirilmiş kamera ile sınırlı hızda hareketli objenin gerçek zamanda Eye-in-Hand teknolojisiyle takibi ve yakalanmasını konu almaktadır. Bu işlem hedef objenin gelecekteki pozisyonları üzerine çıkarımlarda bulunan bir mekanizma ile gerçekleştirilir, obje hareketlerinin çeşitli yörüngelerde takibini sağlayan bir algoritma geliştirilmiştir. Hedef objenin bir sonraki hareketini yakalamak üzere Kalman filtresi objenin yörüngesindeki geçmiş pozisyonlarını ölçer, bir başka deyişle Kalman filtresi objeyi yakalayana kadar takip etmek üzere kullanılır. Robotun hareket kontrol mekanizmasındaki görüş sisteminden gelen geri bildirim kullanılarak robot ve mekatronik sistemlerde major araştırmalar yapılmıştır. Bu araştırma bilgilerinden yararlanılarak görüş bazlı kontrol sistemindeki sağlamlık ve güvenilirlik meseleleri incelenmiştir. During last decades, robotic system has been employed in different fields, such as, industrial, civil, military, medical, and many other applications. Vision system is integrated with robot systems to enhance the controlling performance of the robot system. A great deal of features can be computed using the information have been gotten from vision sensors (camera). The extracted information from vision system can be used in the feedback to have the ability to control the robot armtor motion, but the operation of extracting this information from vision system is time consuming.This thesis addressed the problem of following (tracking) and grasping of moving target (object) with limited velocity in real time by employing the technology of Eye-in-Hand, whereas a camera attached (mounted) to the robot arm end effector. This done by using a predictor (Kalman filter) that estimates the positions of the target in the future, an algorithm was designed to track an object move in different trajectories, within the camera field of view. The Kalman filter uses the measured position of the target as well as previous state estimates to fix the location of the target object at the next time step, in other word, the Kalman filter is applied to keep observing the object till grasp it.The employing of vision system information in the feedback control of the robot systems have been the major research in robotics and Mechatronic systems. The utilizing from this information has been proposed to handle stability and reliability issues in vision-based control system. 88

Günümüz askeri ve sivil havacılık sistemlerinde trafik kontrolü; gürültülü durumlarda bile hızlı, güvenilir ve sağlam kararlar alınması gereken en kritik kısımlardan biridir. Bilgisayar teknolojisinin gelişmesi ile birlikte, sistemler çok uzun işlemleri bile milisaniyeler seviyesinde gerçekleştirecek duruma gelmiştir.Bu tezde, hedef sınıflandırmasına ve hedefin herhangi bir elektronik karşı tedbir (ECM) kullanıp kullanmadığının belirlenmesine yönelik olarak olasılıksal modeller kullanılacaktır. Sonrasında, kullanılan farklı sistemlerin aynı şartlar altındaki performansları karşılaştırılacaktır. Bayes Ağları Kuramı ve Dempster-Shafer Kuramı, sınıflandırma ve nitelik takibi problemlerine uygulanabilir ve en çok bilinen iki yaklaşımdır. Bu sebeple, hedeflenen nitelik takibi ve belirleme senaryolarına uygulanmak üzere bahsi geçen yaklaşımlar seçilmiştir.Seçilen senaryolara bahsi geçen kuramların uygulanmasının ve sonuçların sunulmasının ardından, sistem performansını arttırmaya yönelik iyileştirmeler yapılmıştır. Bilgi sağlanan kaynağın kalitesi ve yapılan iyileştirmenin etkisi ile birlikte her iki yaklaşımın da genel bir kıyaslaması tez içinde sunulmaktadır. In modern civil and military avionic systems, traffic control constitutes one of the most critical parts that requires high-speed, reliable and robust decisions to be done even under noisy conditions. In conjunction with the rapidly developing computer technology, systems became available to perform very long processes within milliseconds. In this thesis, probabilistic models will be used in order to classify a target and detect if the target is making use of electronic counter-measures (ECM). Thereafter, the performances of different systems under the same conditions will be compared. Bayesian Networks Theory and Dempster-Shafer Evidence Theory are two most well-known and applicable approaches to classification and attribute tracking problems. Therefore, aforementioned two approaches are chosen in order to simulate desired attribute tracking and detection scenarios.Subsequent to presenting results obtained by applying abovementioned theories to the selected scenarios, improvements are made in order to increase system performance. The effects of quality of the information source and improvements are presented within this thesis as well as a general comparison of implemented theories. 193

Bu çalışmanın temel amacı parametrik olmayan Bayesçi model seçim teknikleri içinde önemli bir yere sahip olan, Dirichlet süreci karışım modelleri (DPM) için etkin ardışık Monte Carlo (SMC) örnekleyiciler tasarlamaktır. Tasarlanan algoritmalar, önerilen sınıf güncelleme metotları sayesinde, yeni gelen gözlemlerin ışığında parçacıkların geçmiş gezingelerinde değişiklik yaparak gerçek DPM sonsal dağılımına daha iyi bir yaklaşıklık sağlamaktadır. Önerilen metot, DPM sonsal dağılımının çözümünde kullanılan diğer ardışık Monte Carlo örnekleyicileri genelleme özelliğe sahiptir. Tek ve çok boyutlu olasılık kestirim problemleri ile duygu sezme problemlerinde yapılan değerlendirmelerde, özellikle sonsal dağılımın izole modlara sahip olduğu koşullarda, önerilen metodun klasik metotlara göre çok daha yüksek doğrulukta sonuca yakınsayabildiği görülmüştür. Ayrıca, manevralı hedeflerin takibinde ortaya atılan en yenilikçi modellerden biri olan değişken oranlı parçacık süzgeçleri (VRPF) tezde ele alınmış ve çoklu model yaklaşımları değişken oranlı modeller ile birleştirilerek, takip başarımını arttıran çoklu model değişken oranlı parçacık süzgeçleri (MM-VRPF) önerilmiştir. Çoklu model yaklaşımının manevralı hedef gezingelerini daha iyi modellediği, çeşitli benzetim sonuçları ile gösterilmiştir. In this thesis, we developed a novel online algorithm for posterior inference in Dirichlet Process Mixture (DPM) models that is based on the sequential Monte Carlo (SMC) samplers framework. The proposed method enables us to design new clustering update schemes, such as updating past trajectories of the particles in light of recent observations, and still ensures convergence to the true DPM posterior distribution asymptotically. Our method generalizes many sequential importance sampling based approaches and provides a computationally efficient improvement to particle filtering that is less prone to getting trapped in isolated modes. Performance has been evaluated in an infinite Gaussian mixture density estimation and multivariate audio emotion recognition problem. It is shown that the proposed algorithm outperforms conventional Monte Carlo approaches in terms of estimation variance, average log-marginal. Moreover, we deal with the maneuvering target tracking problem and incorporated multiple model approach with the recently introduced variable rate particle filters (VRPF) in order to improve the tracking performance. The proposed variable rate model structure, referred as Multiple Model Variable Rate Particle Filter (MM-VRPF) results in a much more accurate tracking. 152

Balistik hedeflerin yörüngeleri önemli ölçüde kendilerine özgü olan özellikleri ile belirlenir. Bu tezde, bu özellikler sunulmakta ve kısa menzilli balistik hedefleri takip etmek için bir grup algoritma verilmektedir. İlk olarak balistik hedefler için hareket ve ölçüm modelleri oluşturulmakta; daha sonra bu modeller üzerine kurulan, genişletilmiş Kalman filtresi, kokusuz Kalman filtresi, parçacık filtresi ve ayrılmış parçacık filtresi adında dört ayrı filtreleme tekniği sunulmaktadır. Bu filtrelerin performansları Monte Carlo simülasyonu ile değerlendirilmektedir. Simülasyonlar, balistik hedefler için altı serbestlik-dereceli yörüngeye göre elde edilmiş hedef senaryoları ile koşulmuştur. Hedef takibi hatalarının yanı sıra, sürüklenme parametresi kestirimleri ve kayma hesabının filtre performansına etkisi incelenmektedir. Çeşitli simülasyonlar yapılarak her filtre ile elde edilen kestirim sonuçları ayrıntılı olarak tartışılmaktadır. The trajectories of ballistic targets are determined significantly by the characteristics that are specific to them. In this thesis, these characteristics are presented and a set of algorithms in order to track short-range ballistic targets are given. Firstly, motion and measurement models for the ballistic targets are formed and then four different filtering techniques are built on these models which are the extended Kalman filter, the unscented Kalman filter, the particle filter and the marginalized particle filter. The performances of these filters are evaluated by making Monte Carlo simulation. The simulations are run using target scenarios obtained according to six degrees-of-freedom trajectory for ballistic targets. Apart from the tracking errors of the filters, drag parameter estimations and the effect of drift calculation on the filter performances are investigated. The estimation results obtained by each filter are discussed in detail by making various simulations. 86

Bu çalışmada stereo-fotogrametrik kamera kullanılarak elde edilen görüntülerüzerinde hedef objenin yerini tespit edilmesi ve tespit edilen koordinatlarındoğruluğunun platform ve hedef tarafında bulunan iki ayrı GPS den elde edilenkoordinatlarla kontrol edilmesi amaçlanmıştır. Çalışmada kullanılan her iki kamerabirbirlerine küçük bir açı kadar dönük durumda olsa bile yaklaşık olarak paralel birşekilde hedefe bakmaktadırlar ve sabit bir eksen üzerinde bulunmaktalar. Küçük kareşeklinde bir nesne olan hedef, kameralar arasında belirlenen baz mesafesine görebelli uzaklıktan takip edilmiş ve görüntülerden video dosyaları oluşturulmuştur.Video dosyaları kullanılarak her bir film karesi için hedef resim koordinatlarıbelirlenir. Ardından Pictran yazılımı ile elde edilmiş yöneltme parametreleriyardımıyla stereo-fotogrametrik hesaplamalarla hedefin cisim koordinatları tespitedilir. Video film kareleri üzerinde bu şekilde hedef yeri tespit edilirken, hedef tümresim üzerinde aranmaz. Hedefin ardı ardına gelen film kareleri üzerindeilerleyebileceği maksimum piksel uzunluğu ofset kabul edilerek resme göre çok dahaküçük bir alanda arama yapılır. Böylece performanstan kazanılmış olunur. En sontüm zaman birimleri için koordinatlar bulunduktan sonra GPS cihazlarından eldeedilen koordinatlarla fotogrametrik olarak elde edilmiş koordinatlar birbirleriylekarşılaştırılıp doğruluk analizi yapılmıştır. Video görüntülerindeki netlik,uygulamanın hedefi doğru konumda tespit edebilmesi, kameralar ve GPS cihazıarasındaki offset değeri fotogrametrik olarak elde edilen koordinatların başarısınıetkilemektedir.Anahtar Kelimeler: Stereo-fotogrametri, Çift Kamera, Hedef Takibi, GPS, Java,Görüntü İşleme In this study, the aim is to find object coordinate using stereo-photogrammetriccamera and check this coordinates with GPS coordinates that evaluate from cameraplatform and target platform. Each camera has placed parallel another one on theplatform . Their axis are constant that calling ?base lentgh? for two cameras. Baselength is important for specifiying distance between cameras and target. Detectingtarget picture coordinates by using video files for each frame. Evaluate objectcoordinates using bundle adjustment. Performance of the application software whichwere developed in Java have been increased with target detection algorithm(imagefiltering) for determining picture coordinates on the next frame.In the application ,thresholding target detection algorithm has been used in not every frame for onlyused in the selected frames.For this frames , only selected area have been used fordetection target.This selection area have been chosen from the past target positionfrom the past frame with its offset. Offset pixel size is approximately 20-30 pixeldimension about the camera resolution.End of the target detection application,compare between GPS coordinates and photogrammetric coordinates for validationof two source. Clarity of the image, base length of two cameras and offset valuesbetween GPS and camera on the platform affected compatibility of the coordinates.Keywords: Stereo-photogrammetry, Stereo Camera, Target Detection, GPS, Java,Image Processing 77

Telsiz algılayıcı ağlar, algılama ve işbirliği içerisinde bilgi paylaşımı işlemlerini gerçekleştirebilen küçük algılayıcı düğümlerden oluşur. Hedef takip etmek de dahil olmak üzere telsiz algılayıcı ağların kullanılabildiği geniş bir uygulama alanı vardır.Hedef takibi, bir hedefe ait ölçümler yapılarak ve bunlar kullanılarak hede ? n bir sonraki durumunun tahmin edilmesi sürecidir. Telsiz algılayıcı ağlarda hedef takibi, enerji korunması ve takip kalitesi arasında iyi bir dengede çalışabilecek enerji etkin modelleri içerir.Bu çalışma kapsamında hedef takibinin en önemli parçalarından biri olan yer belirleme yöntemlerini inceledik. Motivasyonumuz, daha iyi hedef takip kalitesini ve yer belirleme doğruluğunu aynı ya da daha az enerji harcayarak başarmaktır.Dağıtık hedef takibi için kullanılacak iki yeni yer belirleme algoritması önerdik. Bu algoritmalar var olan yapıya kolayca uygulanabilir. Sistem başarım değerlendirmesinde kullanılan benzetim yöntemleri, önerilen algoritmaların var olan yer belirleme yöntemlerinden belirli durumlarda daha iyi olduğunu göstermektedir. A wireless sensor network (WSN) is a group of tiny wireless sensor nodes which perform sensing and sharing this information in collaboration. WSNs have a wide application area including target tracking.Target tracking is the process of estimating a target?s state with the measurements obtained from the target. Target tracking with WSNs involves the design of energy efficient models that can work with a good trade-off between the energy conservation and the tracking quality.In this thesis, we focused on the localization methods, which are one of the key parts in the target tracking process. Our motivation has been to provide better target tracking quality and localization accuracy while consuming similar or less energy.Two new localization algorithms are proposed for an existing distributed collaborative target tracking framework. Our algorithms are easily applicable to this framework. We used simulations to evaluate the performance of these algorithms. The performance results shows that our algorithms perform better than existing localization methods under some conditions. 88

Bu tezde bayesçi kestirim yöntemleri kullanılarak bir hedefe ait kinematik parametrelerinin takibi yapılmıştır. Hedef takibi gibi stokastik data analizi süreçlerinde, çıkarımın on-line yapılabilmesi önemlidir. Bu sebeble bu çalışmada özyineli kestirime imkan veren bayesçi formülizasyonlar kullanılmıştır. Hedefin kinematiklerinin uygun ve alışılagelen bir şekilde durum-uzayında modellendiği bir senaryoda, model parametrelerinin ve gürültülerinin imkan verdiği ölçüde optimum ve minimum hatalı takip yapılması amaçlanmıştır. Fakat model için daha gerçekçi kabullerin yapıldığı durumlarda sonuca analitik olarak ulaşmak mümkün olmamaktadır. Bu durumlar için doğrusal olmayan modelin doğrusal yaklaşığı üzerinden filtreleme yapan EKF ve belirsizlikleri gauss ile yaklaşıklayan UKF gibi yaklaşık sonuç veren yöntemler kullanılmıştır.Bu yaklaşık yöntemlere alternatif olarak, daha iyi sonuç verdiği bilinen nümerik Sıralı Monte Carlo yöntemleri kullanılmıştır. Özel olarak, sıralı Monte Carlo örneklemesine dayanan fakat ele alınan problem için performansları farklılık gösteren, çeşitli parçacık filteri tiplerinin; yakınsama hızı, kestirim hatası ve işlem kolaylığı gibi açılardan kıyaslaması yapılmış ve alınan sonuçlar çerçevesinde mevcut senaryoya en uygun çözüm önerilmiştir. Bu çerçevede erim ve açı ölçümlerine dayanan hedef takibi uygulamaları gerçekleştirilmiştir. In this thesis we study a Bayesian estimation formulation of the target tracking problem. A Bayesian approach to tracking applications naturally leads to a recursive estimation formulation. The recently invented Particle Filter provides a numerical solution to the non-tractable recursive Bayesian estimation problems. As an alternative, traditional methods such as the Extended Kalman Filter, which is based on a linearized model and an assumption on Gaussian noise, yield approximate solutions. However, in highly nonlinear problems such as in our tracking applications, the EKF tends to be very inaccurate and underestimates the true covariance of the state.In general the Sequential Monte Carlo Methods are adopted to and tracking applications and compared to traditional approaches. Particularly, the performance of different particle filtering methods are compared. In various target tracking applications, we extend or modify these particle filtering algorithms. Range-only tracking problem is addressed using Bayesian techniques and also the passive ranging application when only angle information is available is discussed. 83

University of Technology, Sydney. Faculty of Engineering. Target tracking is a well established field with over fifty years of intense research. While in its core, it deals with estimating targets dynamic states, it is also a critical component of all ” Situation Awareness” and threat assessment systems. These higher layer applications take decisions on important questions like number of targets, positions of them, the instant and position of their initiation, the instant and position of their maneuvers and above all, which of them are threatening and/or friendly. The lower level target tracking algorithms feed the necessary information to these decision taking systems. There are a number of target tracking algorithms to cater for the need of such systems. Most of these available algorithms are based on filtering theory. But it is established that smoothing increases the accuracy of the systems at the expense of a slight lag between the instant of estimation and the instant at which the parameter of interest is being estimated. Hence smoothing is not widely used for practical target tracking applications. However, the situation awareness system is expected to perform better if more precise information is obtained about initiation and termination of the targets along with improved discrimination of true/false targets. This thesis addresses the problem of improved track initiation and maintenance with the smoothing framework to provide better information. It first reviews target tracking and filtering literature. It introduces the concept of random set smoother and derives the IPDA smoother under linear Gaussian assumption. IPDA smoother is also derived by extending the PDA smoother. Finally a theoretical link is established between Random Set smoothing and IPDA smoothing framework. To extend the domain into multiple sensor scenario, the problem of out-of-sequence measurements is also addressed in this thesis under target existence uncertainty. Several realistic scenarios are simulated and the results are verified.

öz ETKÎLEŞİMLÎ ÇOK MODELLÎ HEDEF İZLEME ALGORİTMALARINDA BELİRSİZ GÜRÜLTÜ İSTATİSTİKLERİ Karcı, M. Haydar Yüksek Lisans, Elektrik ve Elektronik Mühendisliği Bölümü Tez Yöneticisi: Prof. Dr. Mübeccel Demirekler Aralık 2000, 80 Sayfa Bu çalışmada amaçlanan manevra yapan hedeflere yönelik, etkileşimli çok modelli hedef izleme algoritmasını esas alarak, bir izleme algoritması geliştirmektir. Modellerdeki gürültü istatistikleri belirsiz olduğunda çok modelli hedef izleme algoritmasının performansında düşüş görülmektedir. Bu sorunu gidermek için modellerdeki gürültü istatistiklerinin akıllıca ayarlanması uygun olabilir. Bu tezde manevra yapan hedefleri izlemek için IMM algoritması gerçeklenmiş, belirsiz gürültü istatikleri sorununu çözmek için literatür incelenmiş ve uygun bir algoritma IMM yapısı içerisine yerleştirilmiştir. Ayrıca MATLAB üzerinde test amaçlı bir yazılım geliştirilmiştir. Anahtar Kelimeler: Durum Kestirimi, Hedef izleme, Etkileşimli Çok Modelli Hedef İzleme Algoritması iv ABSTRACT UNCERTAIN NOISE STATISTICS IN INTERACTING MULTIPLE MODEL TARGET TRACKING ALGORITHM Karcı, M. Haydar M.S., Department of Electrical and Electronics Engineering Supervisor: Prof. Dr. Mübeccel Demirekler December 2000, 80 Pages The aim of this work is to develop a single-target tracking algorithm for maneuvering targets, based on the IMM (Interacting Multiple Model) algorithm. Insufficient knowledge on the process noise covariances for the models used in the IMM algorithm may lead to insufficient tracking performance. In order to improve the performance of the IMM algorithm, an intelligent adjustment of model process noise covariances may be helpful. In this thesis, IMM algorithm is implemented in order to used in tracking maneuvering targets. To overcome the uncertainty in noise statistics noise identification literature is surveyed and a suitable algorithm is selected to embed in the IMM framework. For test purposes a tracking software is developed with MATLAB. Keywords: State Estimation, Target Tracking, IMM. in 80