ردیابی و آشکارسازی برخط اشیاء پرنده در ویدئو

Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 734

This Paper With 5 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CCCI08_100

تاریخ نمایه سازی: 14 دی 1394

Abstract:

ردیابی بصری یکی از شاخههای مهم و کاربردی بینایی ماشین میباشد که هدف آن تعیین مکان تصویر در هر فریم از ویدئو ورودی میباشد و تنها داده ورودی، مکان و اندازه شیء مورد نظر در فریم اول میباشد. در ردیابی بصری هواپیما به دلیل سرعت بالا و تغییرات ناگهانی در شکل هندسیهواپیما، استفاده از ردیابهای کوتاه مدت با شکست مواجه میشود. در این مقاله یک روش برخط مبتنی بر ترکیب آشکارسازی و ردیابی برایدنبال کردن اشیاء پرنده ارائه شده است. در روش ارائه شده در هر فریم برای تشخیص مکان شیء از تصمیم تجمعی تعداد زیادی دستهبند ضعیف استفاده میشود. ردیاب ارائه شده طوری طراحی شده است که در طول زمان بصورت تطبیقی مجموعه دستهبندهای ضعیف را بروزرسانی میکند تا در مقابل تغییرات سریع شکل ظاهری هواپیما مقاوم گردد. در روش ارائه شده مولفه ردیاب کار خود را از ابتدا آغاز میکند و مولفه آشکارسازغیرفعال میباشد. در شرایطی که دقت ردیاب از یک مقدار آستانه کمتر گردد می توان نتیجه گرفت شکل ظاهری هواپیما در حال تغییر میباشد و مولفه آشکارساز باید وارد عمل شود و ویژگی های استخراج شده از تصویر هواپیما را بروزرسانی کند. در روش پیشنهادی هر دستهبند ضعیف دارای یک ویژگی دودویی میباشد که بر اساس مولفه رنگ آبی سیستم رنگی RBGمربوط به دو نقطه از تصویر ورودی بدست میآید. هر دو مرحله استخراج ویژگی و دستهبندی به دلیل سادگی عملیات محاسباتی با سرعت بسیار بالایی انجام میشود، به همین دلیل روش ارائه شده میتواند بصورت بلادرنگ اجرا گردد. همچنین در مرحله استخراج ویژگی از یک مکانیزم خودکار به منظور افزایش استقلال ویژگیهای استخراج شده استفاده شده است تا قدرت گروهی دستهبندهای ضعیف افزایش یابد. در پایان روش ارائه شده با روشهای معتبر مقایسه شده و نتایج آزمایشات نشان میدهد روش پیشنهادی دارای دقت بالا و مناسبی میباشد

Authors

آمنه انجم روز داخلی

دانشکده فرماندهی و کنترل، مجتمع فناوری اطلاعات و ارتباطات، دانشگاه صنعتی مالک اشتر ، لویزان، تهران، ایران

سید مجتبی حسینی

دانشکده فرماندهی و کنترل، مجتمع فناوری اطلاعات و ارتباطات، دانشگاه صنعتی مالک اشتر ، لویزان، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Wang Q., Chen F., Xu W., and Yang M H., ...
  • Yilmaz A., Javed O., and Shah M., Object tracking: A ...
  • Mian A. S., Realtime visual tracking of aircrafts. In Digital ...
  • Maggio E., and Cavallaro A., Video tracking: theory and practice. ...
  • Liu X., and Yu T., Gradient feature selection for online ...
  • Grabner _ Grabner M., and Bischof H., Real-Time Tracking via ...
  • Kalal Z., Mikolajczyk K., and Matas J., Trac king-learning- detection. ...
  • Babenko B., Yang M. H., and Belongie S., Visual tracking ...
  • Grabner H., and Bischof, H., On-line boosting and vision. In ...
  • Computer Society Conference on _ 1, 2006, pp. 260-267. IEEE. ...
  • Grabner H., Leistner C, and Bischof l S emi-supervised on-line ...
  • Stalder S., Grabner H., and Van Gol L., Beyond semi- ...
  • Collins R. T., Liu Y., and Leordeanu M., Online selection ...
  • Hare S., Saffari A., and Torr P. H., Struck: Structured ...
  • ]4. Adam A., Rivlin E., and Shimshoni I., Robust fragments- ...
  • Otsu N., A thresshold selection method from gray-level histograms. Automatica, ...
  • Hyndman R. J., and Koehler A. B., Another look at ...
  • Davis J., and Goadrich M., The relationship between P recision-Recal ...
  • http ://www. csse .uwa. edu. au/-aj mal/databases .html. ...
  • نمایش کامل مراجع