ارزیابی روش های ردگیری اشیا به روش های mean-shiftوparticle-kalmanوالگوریتم k-means و مدل مخلوط گوسی

اگرچه الگوریتم های بسیاری ایجاد شده اند و بسیاری از برنامه های کاربردی ردیابی شی توسعه یافته است, ردیابی شی بعنوان فعالیت دشواری که اجرای آن دشوار است, مطرح شده است. وجود مشکلات متعدد مثل نوسان نورسنجی , ردیابی اشیا غیر محکم , حرکت غیر خطی , مانع و نیاز به اجرای بلادرنگ , ردیابی را به یک وظیفه چالش برانگیز در جهان کامپیوتر مبدل ساخته است.در این مقاله یک الگوریتم ردگیری با ترکیب mean-shitf وفیلتر پارتیکل –کالمن و براساس اطلاعات حرکت و الگوریتم k-means وفیلتر کالمن و مدل مخلوط گوسی ,را برای غلبه بر مشکلاتی که در بالا مطرح شد , پیشنهاد می کند هدف این ترکیب اقتباس نقاط مثبت هر الگوریتم و بر طرف کردن نقاط ضعف الگوریتم ها می باشد. در روش پیشنهادی mean-shift وقتی شی هدف انسداد(جفت یا بسته ) نشده است , به عنوان ردیاب اصلی مورد استفاده قرار گرفته است. وقتی انسداد رخ دهد یا نتایج ردیابی mean-shift متقاعد کننده نیستند, فیلتر ذرات کالکن بعنوان ردیاب اصلی عمل می کند تا نتایج ردگیری ها را بهبود ببخشد. نتایج تجربی روش پیشنهادی عملکرد مطلوبی در ردیابی اشیایی که دارای مشکلات زیادی که در بالا ذکر شد هستند, را نشان می دهد. در این مقاله از مخلوط گاوسی استفاده شده که از 2 فریم برای اشکارسازی استفاده می شود وهمچنین نیاز به زمینه ثابت ندارد.بعد از اشکار سازی هدف از زمینه نوبت به ردیابی انها میرسد که نیاز است به الگوریتمی که در مقابل نویز ،زمینه متحرک ،نور،تداخل اهداف وغیره مقاوم بوده وردیابی بهینه ای تولید نماید

Keywords:

فریم , مخلوط گاوسی , فیلتر کالمن , ردگیری هدف تصویری .KLT. , mean-shift اشیاء متحرک , عوامل تاثیر بر ردیابی