Kaynak değeri olan yaban hayvanlarının görüntü işleme tekniği ile tespiti ve sayımı

• Main Authors: İsmail Yabanova, Kadir Kaya
• Format: Article
• Language: English
• Published: Pamukkale University 2019-04-01
• Series: Pamukkale University Journal of Engineering Sciences
• Subjects: Animal monitoring and classification; Wild animal classification; Image processing; Object recognition; Image classification; Hayvan izleme ve sınıflandırma; Vahşi hayvanlar sınıflandırması; Görüntü işleme; Nesne tanıma; Görüntü sınıflandırma
• Online Access: http://dergipark.org.tr/pajes/issue/44767/556897?publisher=pamukkale

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.