فیلتر ذره ای مبتنی بر کرنل متغیر و بیشینه های محلی جهت ردیابی اهداف کوچک

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 556

This Paper With 10 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:

MAARS01_129

تاریخ نمایه سازی: 16 اسفند 1394

Abstract:

هدف از انجام این پژوهش ارائه یک فیلم پر از خانواده فیلتر ذره ای، برای ردیابی اهداف و با ابعاد کوچک بود. به دلیل وجود شخص کوچک بودن هدف، فیلتر ارائه شده از دستگی الگوریتم ها و ردیابی پیش از تشخیص (TBD) انتخاب شد که از عملگر مورفولوژی اتساع، برای گسترش هدف استفاده می کنند. تفاوت عمده این فیلتر با سایر فیلترهای مشابه ارائه دو ایده برای بالا بردن سرعت هم گرا شدن ذرات (تمرکز ذرات بر روی هدف) و دقت ردیابی هدف در ادامه کار می باشد. دو ایده استفاده شده عبارتند از : 1-به کار گیری کرنلی با ابعاد متغیر و متناسب با میزان تمرکز ذرات بر روی هدف 2 - بهره گیری از پیشینه های محکی به عنوان محتمل ترین نقاط حضور هدف. نتایج مقایسه این فیلتر با یکی از بهترین سیستم های مشابه نشان داد که ایده ها موجب بهبود عملکرد فیلتر شده است از جمله این نتایج می توان به افزایش حداقل دو برابری سرعت هم گرایی به هدف و ردیابی هدف با RMSE کمتر از یک پیکسل حتی در نویز های بالا اشاره کرد. نکته قابل توجه دیگر در این فیلتر RMSE بسیار کوچک (کوچک تر است 0.1 ابعاد پیکسل) در سطح نویز های پایین بود.

Keywords:

Authors

معصومه علیزاده فرد

دانشجوی کارشناسی ارشد، دانشگاه ICT دانشگاه صنعتی مالک اشتر

سیدمجتبی حسینی

استادیار،دانشگاه ICT دانشگاه صنعتی مالک اشتر

عظیم حیدریان

کارشناس ارشد، دانشکده ژئوماتیک دانشگاه صنعتی خواجه نصیرالدین طوسی

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 :
  • س .ف. پورموسوی و ن .ع . زارعی" , فیلتر ...
  • D. Beymer, P. McLauchlan, B. Coifman and J. Malik, " ...
  • M. G rei_enhagen, v. Ramesh, D. Comaniciu and H. Niemann, ...
  • W. E. Snyder and H. Qi, "Machine Vision, " Cambridge ...
  • A. Elefthriadis and A. Jacquin, "Automatic Face Location Detection and ...
  • A. Doucet, N. de Freitas and N Gordon, " An ...
  • A. Doucet, S. Godsill and C. Andrieu, "On sequential Monte ...
  • D. J. Salmond and H. Birch, "A particle filter for ...
  • M. Rollason and D. Salmond, " A particle filter for ...
  • R. MG, N. Gordon and S. Maskell, "Efficient Particle based ...
  • M. Rutten, B. Ristic and N Gredon, " A comparison ...
  • M. Rutten, N. Gordon and S. Maskell, "Recursive track-before -detect ...
  • Y. Boers and J. Driessen, _ Multitarget particle filter track ...
  • X. Tang, J. Su, F. Zhao, J. Zhou and P. ...
  • R. Zhou, B. Liu and . Teng, "Morphology Based Particle ...
  • J. S. Liu and R. Chen, "Sequential _ Carlo methods ...
  • R. Douc and , Cape, "Comparison of Resampling Schemes for ...
  • J. D. Hol, T. B. Schon and F Gustafsson, "On ...
  • نمایش کامل مراجع