ردیابی افراد در شبکه ای از دوربین ها با دیدهای مجزا در محیط های بسته

تجزیه و تحلیل رفتار افراد کاربردهای زیادی در حوزه های مختلف دارد که از آن جمله می توان به بررسی رفتار افراد در مراکز خرید و نیز حفظ امنیت اماکنی مانند بانک ها و فرودگاه ها اشاره نمود. ردیابی افراد اولین مرحله در این سیستم ها می باشد. به دلیل محدودیت وسعت دید دوربین، بررسی تمام محیط مورد نظر با استفاده از یک دوربین، در بسیاری از کاربردها امکان پذیر نمی باشد. بر این اساس معمولا شبکه ای از دوربین ها مورد نیاز است. علاوه بر مسائل مطرح در ردیابی با یک دوربین، ردیابی افراد در شبکه ی توزیع شده ای از دوربین ها، از جهات دیگر نیز چالش بر انگیز می باشد. به عنوان مثال ظاهر افراد در دوربین های مختلف، به دلیل عواملی از قبیل شرایط نوری محیط، موقعیت افراد نسبت به دوربین، زاویه ی دید و پارامتر های دوربین متفاوت می باشد. همچنین حضور افراد در زمان و مکان های مختلف در مقابل دید دوربین ها تابع قانون خاصی نبوده و افراد می توانند به صورت غیر یکنواخت در زمان های مختلف، در مکان های متفاوتی قرار گیرند. علاوه بر این ممکن است دوربین های متوالی فضای دید مشترکی نداشته باشند که این موضوع بر پیچیدگی مسئله می افزاید. در این پایان نامه راهکاری برای ردیابی افراد در شبکه ای از دوربین ها بدون فضای دید مشترک، ارائه شده است. در این روش، ردیابی افراد طی دو مرحله انجام می گیرد. در مرحله اول در هر یک از دوربین ها افراد بطور مستقل شناسایی و ردیابی میشوند. در این مرحله اتفاقات رخ داده در هر محیط (دوربین) بر اساس یک ساختمان داده ی استاندارد در پایگاه داده ی مرکزی ذخیره می گردد. در مرحله دوم، تک تک افراد با توجه به اطلاعات ثبت شده در پایگاه داده در کل محیط تحت پوش ردیابی می شوند. به منظور تشخیص افراد در یک دوربین از مدل سازی پس زمینه و محاسبه ی تفاضل فریم فعلی و فریم پس زمینه استفاده شده است. پس از اعمال پیش پردازش هایی برای بهبود کیفیت تصویر اشیاء تشخیص داده شده، و حذف قسمت های زائد مانند سایه، خط سیر افراد با اعمال فیلتر کالمن به دست می آید. الگوریتم ارائه شده، با استفاده از اطلاعات حرکتی، قادر به ردیابی افراد در شرایط نوری مختلف، و همچنین هنگام بروز هم پوشانی های معمول بین افراد می باشد. برای برقراری ارتباط بین مشاهدات دریافت شده در مجموعه ی دوربین ها جهت ردیابی افراد، ویژگی های استخراج شده هر شی با ویژگی های ذخیره شده در پایگاه داده مقایسه شده و در صورت منطبق بودن برچسب آن بروز رسانی می گردد. در این پایان نامه ویژگی جدیدی بر مبنای بافت رنگی تصویر معرفی شده است که نسبت به تغییرات نور دارای ثبات بیشتری بوده و از قابلیت تفکیک بالاتری برخوردار است. این ویژگی از استخراج عناصر واقع بر قطر اصلی ماتریس هم رخداد شی در فضای رنگی ycbcr به دست می آید. به منظور ارزیابی عملکرد الگوریتم ارائه شده، این روش بر روی چند مجموعه ی ویدئویی از جمله ویدئوهای ضبط شده از پنج صحنه مختلف از یک محیط کاری که دارای پیچیدگی بالایی می باشد، اعمال شده است. نتایج نشان می دهد ویژگی ارائه شده دارای دقت بالاتری نسبت به هیستوگرام رنگ و روشهای مشتق شده از آن دارد.