ردیابی اشیاء متحرک با استفاده از ترکیب کانتور پویا و هیستوگرام رنگ - بافت
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده مهندسی برق و کامپیوتر
- نویسنده احمد خورشیدی
- استاد راهنما ناصر مهرشاد رمضان هاونگی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
ردیابی شیء یکی از مسائل مهم مطرح در حوزه ماشین بینایی است . الگوریتم ارائه شده در این تحقیق قادر به ردیابی اشیاء متحرک در محیط های نسبتاً پیچیده می باشد و در تصاویری که شامل سایه و تغییرات شدت روشنایی هستند، به خوبی عمل می کند. این الگوریتم بر خلاف سایر الگوریتم های موجود که تنها برای یک کاربرد خاص طراحی شده اند، قادر خواهد بود در رنج وسیعی از ویدئوهای مختلف عملیات ردیابی را انجام دهد و کاربرد آن به یک موضوع خاص محدود نمی شود. روش ارائه شده در این تحقیق بر اساس ترکیب دو روش قدرتمند بنا نهاده شده است، اولین روش ردیابی بر مبنای هیستوگرام بافت و رنگ می باشد. بافت در این روش توسط الگوی دودویی محلی (lbp) استخراج می شود. الگوی دودویی محلی یکی از بهترین روش های موضعی بیان گر بافت می باشد که پیکسل های یک تصویر را برچسب می زند و به هر پیکسل مقداری از بافت را نسبت می دهد. با استفاده از هیستوگرام تصویری که با این روش به دست می آید، می توان عملیات ردیابی را انجام داد. روش دوم ردیابی بر اساس مفهمومی به نام شار نوری است. شار نوری عبارت است از حرکت ظاهری روشنی هر پیکسل در تصویر. در حالت ایده آل شار نوری مطابق حرکت شیء می باشد. ترکیب دو روش فوق باعث ایجاد الگوریتمی قدرتمند خواهد شد که با دقت بیشتری عملیات ردیابی را بخصوص در حرکت های طولی انجام می دهد. نتایج شبیه سازی موید ادعای فوق هستند.
منابع مشابه
آشکارسازی افتادن با استفاده از روش نوین ردیابی بر پایۀ الگوریتم اصلاح شدۀ کانتور
The population of elderly people has growing trend in the developed or developing countries. Since the elderly are mainly associated with disability, this group of people exposed to dangerous events such as falling down. It is therefore needed to take care of these people against dangerous events. Intelligent video monitoring is a approach that may be able to give quick notification to the care...
متن کاملیک الگوریتم ردیابی اشیاء متحرک بر مبنای رنگ برای پیاده سازی روی fpga
ردیابی شیء متحرک از مسائل مهم و پرکاربرد در زمینه¬ی بینایی ماشین در سال های اخیر است. در طی دو دهه اخیر روش¬های بسیار متنوعی برای ردیابی اشیاء متحرک پیشنهاد شده است. هدف نهایی همه الگوریتم¬ها و روش¬های پیشنهاد شده در این تحقیقات، ایجاد یک ماشین دارای بینایی و هوش لازم برای تفسیر اطلاعات بینایی است. چنین هوشی در واقع دارای قابلیت پردازش تصاویر اشیاء یا نواحی مورد علاقه برای سیستم می باشد. اغلب ا...
بازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی
در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(LBP) پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشمها تنظیم میکنیم و سپس ناحیهی چهره را در آنها استخراج میکنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلولهای کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه میکنیم و آن را به پیکسل مرکزی سلول اختصاص میدهیم...
متن کاملاستخراج ویژگی های مناسب برای ردیابی اشیاء متحرک با دوربین متحرک
چکیده بینایی ماشین یکی از فیلدهای هوش مصنوعی است که با ترکیب علوم مختلف مانند ریاضیات، فیزیک، علوم مهندسی، کامپیوتر، فیزیولوژی و غیره سعی در درک هوشمند معنا از تصاویر محیط اطراف توسط کامپیوتر یا ماشین دارد. ردیابی اشیاء متحرک یکی از کاربردهای مهم بینایی ماشین است که نقشی اساسی را برای سیستم های سطح بالاتر بینایی مانند کنترل ترافیک، سیستم های نظارتی، تعامل انسان با کامپیوتر، ناوبری خودکار و باز...
ردیابی اهداف متحرک هوایی با استفاده از تخمین چگالی کرنل بر اساس الگوریتم فیلتر ذره
چکیده: در این مقاله، به منظور ردیابی اهداف متحرک روشی جدید بر اساس الگوریتم فیلتر ذره ارائه شده است. تعیین تعداد مراحل بازنمونهبرداری در الگوریتم فیلترذره یکی از عوامل مهم در تعیین مدت زمان پردازش تصاویر میباشد. در مقالة حاضر با تخمین چگالی کرنل گوسی، هیستوگرام وزندارشده مدل هدف بهدست آمده و با اعمال واریانس یک نویز تصادفی در محل هدف، موقعیت ذرات نامزد در فریم بعد پیشگویی میشوند. در این مق...
متن کاملبازیابی تصاویر چهره با استفاده از ترکیب هیستوگرام گرادیان و الگوی باینری محلی
در این مقاله روشی برای بازیابی تصاویر چهره با استفاده از هیستوگرام گرادیان و الگوی باینری محلی(lbp) پیشنهاد شده است. در این روش ابتدا تصاویر را با استفاده از موقعیت مرکز چشم ها تنظیم می کنیم و سپس ناحیه ی چهره را در آن ها استخراج می کنیم. برای استخراج ویژگی، در اطراف هر پیکسل سلول های کوچکی در نظر گرفته و در هر سلول هیستوگرام گرادیان را محاسبه می کنیم و آن را به پیکسل مرکزی سلول اختصاص می دهیم...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه بیرجند - دانشکده مهندسی برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023