تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی
Publish place: 14th Annual Conference of Computer Society of Iran
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 1,342
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ACCSI14_121
Index date: 17 October 2008
تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی abstract
در این مقاله روشی برای تخمین وضعیت دو بعدی بدن فرد در یک دنباله از تصاویر ویدئویی با استفاده از الگوریتم های تکاملی ارائه شده است. با در نظر گرفتن این موقعیت بدن فرد از یک فریم به فریم بعدی اغلب تغییر زیادی نمی کند، نتایج به دست آمده برای فریم قبلی به عنوان نقطه شروع الگوریتم تکاملی در فریم بهدی انتخاب شده است. با شروع از یک جمعیت اولیه مناسب و با محدود کردن جستجو به ناحیه ای اطراف محل قبلی فرد، این روش می تواند با سرعت بالایی وضعیت فرد در فریم جدید را پیدا کند. روش ارائه شده در این مقاله بر خلاف در اختیار نداشتن مدل دقیق زمینه، کیفیت پایین تصاویر و تنها استفاده از یک زاویه دید به نتایج دقیقی دست یافته است. معیار اصلی جستجو در این روش استفاده از مدل رنگی اعضای بدن فرد است. این روش به صورت اتوماتیک مدل رنگی بدن فرد را یاد گرفته و به مرور زمان بهبود می بخشد. در این روش در هر فریم مجموعه از فرضیه ها درباره وضعیت بدن فرد به دست می آید. بنابراین بر خلاف روشهای قطعی که در هر فریم تنها یک فرضیه درباره وضعیت بدن نگهداری می کنند، در صورت سریع بودن حرکت بدن با وجود ابهامات در تصاویر، تخمین وضعیت با مشکل مواجه نخواهد شد. بعلاوه این روش محدودیت چندانی بر روی وضعیت قرار گرفتن بدن فرد در فریم ها قرار نمی دهد.
تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی Keywords:
تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی authors
شرمین بزاریان
دانشگاه صنعتی امیرکبیر، دانشکده کامپیوتر
محمد رحمتی
دانشگاه صنعتی امیرکبیر، دانشکده کامپیوتر
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 :