Kalman Filtresi ve Küresel En Yakın Komşu Yöntemi ile Çok Kişili Gerçek Zamanlı Poz Takibi

Abstract

Poz tahmini, kamera ile çekilen görüntülerde insan iskeletindeki anahtar noktaların piksel konumlarının tespit edilmesi amacıyla ortaya çıkmıştır. Poz tahmini yöntemlerinin çıktıları görüntüde tespit edilen tüm eklem noktalarının piksel değerlerini ilişkilendirdiği kişiye göre vermektedir. Videolarda kişilerin hareketlerini anlamlandırmak için ardışık görüntü kareleri boyunca kimliklendirilmeleri gerekir. Böylece kişilerin video boyunca ne zaman hangi hareketleri yaptığı tespit edilebilir. Bu çalışmada sabit hızlı ve sabit ivmeli hareket modeline göre Kalman filtresi kullanarak küresel en yakın komşu (KEYK) algoritması ile tasarlanan çok kişili poz takibi yönteminin verdiği sonuçlar incelenmiştir. Geliştirilen ön işleme adımlarının poz tahmini yöntemlerinin kalitesini artırarak poz takibine etkisi de tespit edilmiştir. Bu amaçla PoseTrack veri kümesi üzerinde DCPose ve OpenPose poz tahmini yöntemlerinin başarımı değerlendirilmiştir. Ön işleme adımları ile sistemin başarımının her iki yöntem için de yükseldiği görülmüştür. Gerçek zamanlı çalışabilen, başarılı bir poz tahmini yöntemi olan ve düşük kaynak tüketimine sahip OpenPose yöntemi ile literatürde en iyi sonuçları veren DCPose yönteminin sonuçları incelendiğinde çok kişili poz takibi konusunda DCPose yönteminin daha başarılı sonuçlar verdiği görülmüştür. 550 farklı video ile elde edilen sonuçlar ön işleme adımları uygulandığında başarımı sabit hızlı ve sabit ivmeli hareket modellerinde aşağıdan yukarı yöntemi OpenPose için %22.6 ve %16.02, yukarıdan aşağı yöntemi DCPose için %21.2 ve %21.8 artırmıştır.