سمیرا کلانتری - عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد ساری
معصومه علیزاده - عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی واحد ساری
سجاد توسلی - عضو هیئت علمی دانشگاه آزاد اسلامی واحد ساری

در سال های اخیر، تحلیل محتوای ویدئو( video content analysis ) در حوزه ی بینایی ماشین یکی از زمینه های تحقیقاتی است که توجه بسیاری از دانشمندان را به خود جلب کرده است. تحلیل محتوای ویدئو شامل استخراج پارامترهایی از یک ویدئو می باشد که خواص کلیدی آن را دربر دارند. عملیاتی نظیر پیش پردازش، استخراج ویژگی، بهینه سازی و تطابق ویژگی ها از جمله عملیاتی هسدتند که در تحلیل محتوای ویدئو انجام می شوند. استخراج ویژگی یکی از اصلی ترین مراحل در تحلیل محتوای ویدئو می باشد و هدف آن دست یافتن به بردار توصیفگری است که شامل اطلاعاتی از ویدئو می باشد. از این توصیفگر به عنوان معیاری جهت مقایسه بین ویدئو ها استفاده می شود. روش ارائه شده در این مقاله، بدست آوردن بردارتوصیفگری است که از ترکیب هیستوگرام جهت گرادیدان سه بعدد ی (HOG2D) و هیسدتوگرام جهت optical flow (HOF) بدست می آید. سپس با الحاق هیستوگرام های این دو متد، توصیفگر نهایی ایجاد می گردد. این توصیفگر قابلیدت های HOG2D و HOF را تواما دارا می باشد، بدین ترتیب روش ارائه شده در این مقاله نسبت بده روش های HOF و HOG2D اطلاعات کافی و مفیدتری را نسبت به راستای تغییرات، سرعت و جهت حرکت ویدئو برخوردار است

Feature Vectore ، HOG(Histogram of Orianted Gradient) ، HOF(Histogram of Optical Flow) ، Integral Image ، Video Sequence