بررسی و بهبود روش ردیابی اشیا مبتنی بر تکنیک تطبیق زمینه شکل

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 680

This Paper With 14 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:

NPECE01_112

تاریخ نمایه سازی: 6 بهمن 1395

Abstract:

هدف این مقاله دنبال کردن اهداف در دنباله ای از تصاویر ویدئویی می باشد مدلسازی شی و پس زمینه با استفاده از مدل مخلوط گوسی GMM و دستیابی با کانتور ناهموار مطابق ویژگی های لبه ی شی می باشد در تحلیل ویدئو سه مرحله کلیدی وجود دارد تشخیص اشیاء متحرک تعقیب فریم به فریم چنین اشیایی تحلیل مسیر شی برای تشخیص رفتار آن در نهایت ما از تطبیق شکل برای دست یابی به کانتور یا خط تراز دقیق استفاده نمودیم روش پیشنهادی به اندازه ی کافی برای ردیابی شی با انتقال چرخش تغییر مقیاس و انسداد جزئی دقیق می باشد و می توان از این روش برای کاربردهای ردیابی بلافاصله استفاده کرد با توجه به اهمیت مسئله ردیابی و موارد فوق در روش پیشنهادی روشی را برای ردیابی زمان واقعی مطرح خواهیم کرد که ایده اصلی در آن بکارگیری توصیفگرهای زمینه شکل برای تعیین کردن کانتور شی می باشد و ان را برای دنباله های ویدئویی طبیعی و مصنوعی که امروزه بصورت گسترده ای در دوربین های کنترل ترافیک سرعت سنج مداربسته امنیتی عکاسی و .. کاربرد دارند بکار خواهیم گرفت لازم بذکر است که در موارد استفاده ذکر شده مشکلات چرخش اندازه و انسداد بسیار است و با روش ارائه شده این مشکلات براحتی قابل حل می باشند

Authors

ساغر بردبار زارعی

گروه مهندسی برق واحد علوم و تحقیقات فارس دانشگاه آزاد اسلامی فارس ایران

حامد آگاهی

گروه مهندسی برق واحد شیراز دانشگاه آزاد اسلامی شیراز 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 :
  • D. Ramadasan, M. Chevaldonne, T. Chateau. Real-Time SLAM for Static ...
  • . Berclaz, J. _ Ecole Polytech. Fed. de Lausanne, Lausanne, ...
  • X. Ren, J. Malik, Tracking as repeated figure/ground segmentation, Proceed-ings ...
  • M. Kass, A. Witkin, D. Terzopoulos, Snakes: active contour models, ...
  • S. Lankton, A. Tannenbaum, Localizing region-based active contours, IEEE Trans. ...
  • D. Harihara Santosh, P. G. Krishna Mohan, "Multiple Objects Tracking ...
  • Feng wang, Shuguang dai, "Adaptive background update based on mixture ...
  • G. McLachlan, D. Peel, Finite Mixture Models, John Wiley and ...
  • Christopher Collins, Gerald Penn, and Sheelagh Carpendale, " Bubble Sets: ...
  • D. Lee, "Effective Gaussian Mixture Learning for Video Background Subtraction, ...
  • Munir shah, Jeremiah D. Deng, Brendon J. Woodford, _ background ...
  • Thierry Bouwmans, "Traditional and recent approaches in background modeling for ...
  • Jungpil Shin, Dai Hanata ; Suyun Ju, "A map search ...
  • نمایش کامل مراجع