سولماز عباسی - دانشجوی دکتری/ دانشکده مهندسی کامپیوتر دانشگاه یزد- بخش هوش مصنوعی
مهدی رضاییان - استادیار، دانشکده مهندسی کامپیوتر دانشگاه یزد - بخش هوش مصنوعی

در سال های اخیر، ردیابی شی در محیط های مختلف با اشیا متنوع، اهمیت قابل توجهی یافته است. یک ویژگی بسیار مهم، ردیابی سریع، بدون نیاز به سخت افزار خاص و پیش آموزش است. ردیاب های مبتنی بر فیلتر همبستگی متمایزکننده، نتایج مثبتی را از نظر سرعت و دقت ارائه داده اند. اگرچه در بسیاری از این ردیاب ها، موقعیت شی در هر فریم بر اساس انتقال و مقیاس های هرمی تخمین زده می شود، در الگوریتم تبدیل شباهت، انتقال، مقیاس و چرخش برای یافتن موقعیت شی برآورد می شوند. در این الگوریتم، ویژگی هیستوگرام گرادیا ن های جهت دار استخراج شده است. در مقاله ی پیش رو، دو رویکرد متفاوت جهت استخراج ویژگی در این الگوریتم اتخاذ شده است. روش اول از تصاویر مقیاس بندی شده با استفاده از محدود سازی حداقل واریانس استفاده می کند. سپس با روش تغییر مقیاس در ماتریس های هم رخداد، ویژگی ها به سطح دیگری نگاشت می شوند. رویکرد دوم، ترکیبی از ویژگی های الگوی دودویی محلی رنگی متضاد و ویژگی مقاوم تسریع یافته ارائه می دهد. مجموعه داده ی مورد ارزیابی OTB-۲۰۱۵ شامل ۱۰۰ دنباله ی ویدیویی است. هر دو رویکرد، نتایج کلی مقاله ی پایه را تا حدود ۳ درصد بهبود داده اند. روش اول در چالش رزولوشن پایین تا ۷ درصد و روش دوم در چالش چرخش تا ۴ درصد، نتایج را افزایش داده اند.

ردیابی خودکار شی, تبدیل شباهت, محدود سازی حداقل واریانس, الگویی دودویی محلی رنگی متضاد, ویژگی مقاوم تسریع یافته