Target tracking can be defined as continuously locating the object of interest in consequent images. Tracking surface vessels in infrared imagery is an exceptionally challenging case of visual target tracking. In a typical scenario both the target and imaging platform exhibit manoeuvring movement, causing the appearance of the target to change rapidly and significantly during the course of tracking. Furthermore there are cases where target actively attempts to avoid being tracked by firing hot flares to confuse the tracker or block the view of the tracker. In some cases target also cools itself down to background temperatures with special equipment to blend itself with the background and avoid being seen. In this thesis one of the popular general object tracking algorithms is improved by transfer learning and developing an occlusion detection mechanism. Discrimination power of the tracker is increased by transfer learning and occlusion detection capabilities enabled the tracker to reacquire the target after occlusion. Performance of proposed algorithm and other several distinguished target tracking algorithms are compared on our infrared surface vessel image dataset. Image dataset consists of synthetic images acquired during challenging naval combat scenarios and categorized by their respective challenges such as confusion, low intensity and occlusion. It was seen that the proposed algorithm had superior performance to other tested algorithms.

Hedef takibi, istenilen bir nesnenin ardışık görüntüler üzerinde sürekli olarak yerinin belirlenmesi olarak tanımlanabilir. Su üstü gemilerin takibi, hedef takibinin büyük derecede zorlu bir uygulamasıdır. Tipik bir senaryoda hedef ve görüntü alan platformun yaptığı manevralı hareketler, görüntünün hızlıca değişmesine sebep olmaktadır. Buna ek olarak hedefin takip edilmekten kaçınmak amacıyla havaya fırlattığı sıcak fişekler takip algoritmasını yantılmakta veya görüntüsünü kapatmaktadır. Bazı durumlarda ise özel ekipmanlar kullanılarak, hedef arka plan scaklığına kadar soğutulmakta ve görülmesinin engellenmesi amaçlanmaktadır. Bu tezde popüler hedef takip algoritmalarından bir tanesi öğrenim aktarımı ve görüntüde kaybolmanın tespiti yeteneğinin eklenmesi ile geliştirilmiştir. Öğrenim aktarımı işlemi ile takipçinin ayırt edicilik yetenği arttırılmış , görüntüde kaybolma tespiti ile ise hedef tekrar belirdiğinde takibe devam edilebilmesi sağlanmıştır. Önerilen algoritmanın ve literatürde kendini ispat etmiş diğer bir kaç algoritmanın başarımları kendi hazırladığımız bir kızılötesi gemi görüntüsü veri kümesi üzerinde test edilmiştir. Görüntü veri kümesi zorlayıcı deniz savaş ortamında elde edilmiş ve içerdikleri karıştırma, düşük parlaklık ve görüntüde kaybolma gibi zorluklara göre kategorilendirilmiş sentetik kızılötesi gemi görüntülerinden oluşmaktadır. Elde edilen sonuçlarda önerilen algoritmanın diğer algoritmalara göre üstün başarım gösteriği görülmüştür.