in Dynamic Background

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود

تشخيص شي در حال حركت در زمينه پويا  - 2014

Moving Object Detection in Dynamic Background

چكيده :

 يك روش جديد تشخيص شي در حال حركت در زيمنه پويا است كه در اين مقاله ارائه شده است . در ابتدا ، الگوريتم تطبيقي هريس در اين مقاله براي استخراج ويژگي نقاط ،‌پيشنهاد شده است و پس از آن الگوريتم  غربالگري براي توصيف ويژگي نقاط استخراج شده استفاده مي شود .تابع شباهت نيز براي مطابقت با ويژگي نقاط ،‌استفاده مي شود  و الگوريتم RANSAC براي از بين بردن انطباق هاي شبيه استفاده شده است . با توجه به اين همسان سازي ، ما ماتريس تبديل تكراري را جهات استفاده  براي جبران حركت درپي زمينه ناشي از حركت دوربين استفاده مي كنيم و پس زمينه پويا را با مدل پس زمينه به روز رساني مي كنيم . در نهايت شي در حال حركت را مي توان با استفاده از روش تفاضل پس زمينه شناسايي نمود . نتايج تجربي نشان مي دهد كه اين روش ، دقت استخراج ويژگي هاي نقاط و تشخيص حركت هدف را در پس زمينه پويا با دقت بالايي دارد.

كلمات كليدي :الگوريتم غربال كردن هريس ، تصحيح حركت مدلسازي سابقه و هدف ، تشخيص حركت شي.

1-مقدمه :

تشخيص شي در حال حركت جهن استخراج ويژگي نقاط در بيناييي كامپيوتر بسيار مهم است . در حال حاظر روش هاي اصلي جهت تشخيص شي در حال حركت در پس زينه پويا براساس جريان نوري و جبران حركتي مي باشد . علاوه بر اين ، روش هايي مانند تقسيم بندي حركتي و منطق جنبشي يكپارچه پيشنهاد شده و نوع ديگري از روش بر اساس اختلاف بين ويژگي هاي نقاط از جشم در حال حركت و پس زمينه آن است كه معمولا اين دسته ندي ، دو نوع از  نقاط را با الگوريتم مربوط به الگو به رسميت مي شناسد و عيب روش جريان نوري نياز به محاسبات بزرگ نياز دارد كه الزامات سخت افزاري را مي خواهد . جبران حركت به طور گسترده اي استفاده مي شود و همچنين روش هاي مختلف براي به دست آوردن پارامتر هاي حركت مانند الگوريتم هاي طرح ريزي و الگوريتم ويژگي و الگوريتم بلوك كلاسيك وجود دارد . در اين مقاله ما به وطر عمده در ويژگي الگوريتم تمركز نموده ايم . مساحت و لبه و ويژگي نقطه يا گوشه فضاي مورد نظر نيز استفاده مي شود . استخراج گوشه از روش الگوريتم موراوك انجام مي شود كه توسط موراوك پيشنهاد شده است . اين ساده بوده و ناشي از تعبير ناپذيري چرخشي و حساسيت به سر و صدا را ندازد كه منجر به استفاده به ندرت از آن مي شود .يكي از گونه ها به طور گسترده مورد استفاده در الگوريتم تشخيص هريس است . اگه چه زمان  بيشتر در آن صرف محاسبات الگوريتم موراوك مي شود ، آن مشكلات سابق را حل مي كنند. در حالي كه الگوريتم  هريس خود ، محدوديت هايي شامل آستانه ثابت و مقياسي بدون تغيير ناپذيري را دارد . براي مشكل آستانه ثابت ،‌ پيشنهاد براي تنظيم آستانه به مقدار 01/0 زمان بوده كه برابر حداكثر گوشه پاسخ مي باشد و اين مقدار P را بهبود مي بخشد . روش آستانه براساس دو متغير ارائه شده است . روش هاي بالا تنها با استفاده كامل از حداكثر محل تابع و پيشنهادي به مجموعه آستانه با مقدار K براي ميانگين حداكثر تابع پاسخ محلي اقدام نموده ايم كه در اينجا K مقدار ثابت است . مقايسه با الگوريتم هريس سنتي نسان مي دد كه اين روش دقت تشخيص  بالايي دارد . توزين دقت تشخيص و زمان واقعي با تشخيص گوشه ها الگوريتم آستانه هريس و با استفاده از الگوريتم غربال كردن اين گوشه توصيف مي شود . هنگامي كه با استفاده از تفريق پس زمينه براي استخراج جسم در حال حركت اقدام مي شود ،‌گام كليدي به روز رساني پس زمينه است . روش ما در اين مقاله مورد استفاده قرار گرفته و بازده استخراج را بهبود بخشيده است .

پس از پرداخت، لينك دانلود فايل براي شما نشان داده مي شود

پرداخت و دانلود