شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی

به منظور شناسایی اجسام متحرک با استفاده از الگوریتم تفاضل پس زمینه، سایه اجسام نیز به عنوان شیء متحرک استخراج می شود که عامل بروز مشکل و خطا در شناسایی اجسام متحرک است. بنابراین در سیستم های حمل و نقل هوشمند، شناسایی و حذف سایه خودروها یک چالش مهم است. در این مقاله روشی کارآمد براساس ترکیب فضای رنگ HSV و تجزیه و تحلیل ترکیبات اصلی ارائه شده است. در ابتدا، بعد از شناسایی اجسام متحرک توسط روش تفاضل پس زمینه، با استفاده از فضای رنگ HSV مناطق احتمالی سایه متحرک استخراج می گردد. در نهایت به منظور تصحیح عمل شناسایی در مرحله قبل ( به عنوان نمونه حذف قسمت هایی از خودرو که به عنوان سایه شناسایی شده اند )، از الگوریتم تجزیه و تحلیل ترکیبات اصلی بهره گرفته می شود. با این الگوریتم، هر خودرو بوسیله بردارهای ویژه خودروهای پایگاه داده آموزشی مدل می گردد تا بدین وسیله هر خودروی ناشناخته ورودی براساس این مدل تایید یا رد گردد. روش پیشنهادی بر روی ویدئوهای واقعی اخذ شده توسط سیستم های حمل و نقل هوشمند در شرایط واقعی و عملیاتی ارزیابی گردیده است. نتایج حاصل از الگوریتم پیشنهادی بیانگر عملکرد قابل قبول و مؤثر روش پیشنهادی در کاربردهای سیستم های حمل و نقل هوشمند است.

شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی Keywords:

تجزیه و تحلیل ترکیبات اصلی , شناسایی اجسام متحرک , شناسایی سایه , فضای رنگ HSV , سیستم های حمل و نقل هوشمند