بهبود الگوریتم ردیابی هدف با استفاده از مدل قطعه بندی موثر تصاویر ویدیویی

ردیابی هدف در تصاویر ویدیویی یکی از پرکاربردترین زمینه های بینایی ماشین1 است. زیرا شناسایی و تشخیص رخدادهای2 مختلف در صحنه، تخمین حالت و ژست3، شناسایی4 و تشخیص 5 اشیاء پیرامونی همگی جز کاربردهای ردیابی هدف میباشند. در تمامی این موارد، ردیابی به صورت »یافتن مکان هدف در هر فریم و تطبیق اطلاعات به دست آمده از فریمها« تعریف شده است. اما برای تطبیق مناسب هدف مشکلاتی وجود دارد. برای مثال هنگام حرکت هدف، نویز، تغییر ظاهر، انسداد6، و پسزمینه شلوغ و نامنظم7، باعث شده تا تطبیق هدف به درستی انجام نگیرد. یکی از رویکردهای متداول در گذشته استفاده از ویژگی های هدف مانند هیستوگرام رنگ یا شار حرکتی بوده است. این روش با وجود سودمندی هنگام ردیابی نسبت به شرایط نویزی مختلف ناتوان بوده است. لذا الگوریتم ردیابی در تطبیق ویژگیهای دچار اشتباه شده و ردیابی دچار خطا خواهد شد.برای رفع این مشکل ویژگیهای مبتنی بر شکل توسعه یافتهاند. اما این الگوها در توصیف مناسب و متمایز از هدف دچار مشکل هستند. از میان الگوریتمهای مختلف ردیابی، اخیراً استفاده از مدلهای قطعه بندی بسیار مورد توجه قرار گرفته است. زیرا با توجه به افراز تصویر به نواحی همسان (یا قطعه بندی(8 مسئله ردیابی و جداسازی ناحیه هدف نیز به درستی انجام خواهد گرفت. لذا هدف اصلی این مقاله توسعه مدل مناسب قطعه بندی برای تصاویر ویدیویی و ترکیب آنها با الگوریتمهای ردیابی است. با ارزیابی الگوریتم پیشنهادی بر روی پایگاه داده استاندارد و مشهور انتظار داریم دقت ردیابی در شرایطی که رنگ هدف شبیه به رنگ پس زمینه است، افزایش یابد.

Keywords:

ردیابی هدف متحرک , شناسایی متوالی , قطعه بندی , هیستوگرام رنگ