ارائه مدل نوین تشخیص حرکت در ویدیو با استفاده از مدل های چند مقیاسی مبتنی بر بلوک

استخراج نواحی متحرک در ویدیو یا پیش زمینه کاربرد بسیار مهمی در مباحث بینایی ماشین و پردازش تصویر دارد. برای مثال می توان نظارت اتوماتیک ویدیویی، تعامل انسان-ماشین (HCI) و کدینگ ویدیو را نام برد. به طور کلی مدل سازی پیش زمینه شامل سه مرحله اساسی است: مدل سازی پس زمینه (یا نواحی ثابت در صحنه)، تفریق تصاویر از تصویر پس زمینه و حذف سایه از تصویر خروجی. به بیان دیگر به علت وجود نویزهای محیطی و همچنین تغییرات روشنایی محیط، اجسام متحرک هنگام حرکت خود سایه (یا شبحی) پشت سر خود در تصویر به جای می گذارند که در مدل سازی به عنوان تصویر پیش زمینه مدل می گردد. حرکت سایه ها نیاز به در نظر گرفتن دقیق در توسعه سیستم های تحلیل صحنه پویای قوی دارد. تشخیص حرکت سایه برای تشخیص دقیق شی در جریان های ویدئو حیاتی است، چون نقاط سایه اغلب به اشتباه به عنوان نقاط شی طبقه بندی شده و باعث بروز خطاها در تقسیم بندی و ردیابی می شوند. الگوریتم های زیادی در سالیان اخیرتوسعه یافته اند که به درستی می توانند سایه را مدل کنند. با این حال هنوز در شرایط نوری مختلف الگوریتم ها با چالش مواجه اند. با توجه به این موارد، اخیراً از مدل های مبتنی بر بلوک استفاده می شود. در این مدل ها تصویر به بلوک های مساوی تقسیم شده و مجموعه ای از بلوک ها در فریم های اخیر برای وجود حرکت در نظر گرفته می شود. برای رفع مشکلات موجود در رویکردهای مبتنی بر بلوک، در این مقاله از مدلی جدید با ترکیب PCA+LDA استفاده خواهد شد. تمایز میان اشیا ثابت و متحرک بر اساس نوع اشیا پیرامونی در رویکرد پیشنهادی در نظر گرفته خواهد شد.

Keywords:

تشخیص حرکت , مدل پس زمینه , مدل پیش زمینه , رویکرد PCA , رویکرد LDA