توضیحات
چکیده
تشخیص اجسام متحرک در فریم های ویدئویی، نقش مهم و اساسی در سیستم های بینایی ماشین دارد. برای دنبال نمودن و تشخیص حرکت، انتخاب یک مدل پسزمینه مناسب امر مهمی خواهد بود. از آنجاکه تغییرات روشنایی صحنه یکی از چالشهای مدلسازی پسزمینه است، محققان به مدلسازی پس– زمینه دینامیک روی آورده اند. در این تحقیق یک مدل مناسب برای توصیف پسزمینه های دینامیک ارائه میشود. برای این کار، ما از چند فیلتر کالمن استفاده نمودیم. به این دلیل فیلتر کالمن انتخاب گردید که میتواند تغییرات موجود در پسزمینه را بخوبی دنبال کند و همچنین قادر است تخمین بهینهای از حالت یک فرایند داشته باشد. تعداد این فیلترها در هر پیکسل با توجه به تعداد رنگهای پس زمینه و به کمک یک پارامتر یادگیری تعیین میشود. همین ویژگی منحصر به فرد سبب شده است این روش به صورت وفقی و هوشمندانه عمل کند و این روش را نسبت به روشهای پیشین خود، متمایز گردانیده است.
مقدمه
مدلسازی پسزمینه و تشخیص حرکت، یکی از امور اصلی در بسیاری از کاربردهای بینایی کامپیوتر همچون اتوماسیون صنعتی، حمل و نقل، امنیت و … میباشد (Halder et al,2015) .اغلب روشهای آشکارسازی حرکت در دنبالهای از تصاویر، محاسبه ی قدرمطلق تفاضل فریم ورودی با یک مدل پسزمینه و سپس مقایسه این مقدار با یک سطح آستانه است (Hassanpour et al, 2011). تاکنون روشهای بسیاری در زمینه توصیف پسزمینه ارائه شده اند که در ذیل به برخی از رایج ترین آنها اشاره خواهد شد. یکی از آنها روش میانگین گیری است که علی رغم مزیتهایی چون حجم محاسباتی پایین و پیچیدگی کم، برای توصیف پسزمینه های دینامیک مناسب نمیباشد. روش دیگر ترکیب توابع گوسی است، که رنگهای پس- زمینه را به طور استاتیک توصیف میکند. اگرچه این روش دارای قابلیت توصیف تغییرات پسزمینه و همچنین توصیف چند رنگ در پسزمینه میباشد، اما بدلیل استفاده از توابع نمایی، بار محاسباتی بالا دارد (Wang and Dai, 2009) .علاوه براین، عدم تعیین تعداد رنگ در هر پیکسل، از کارامدی روش مذکور کاسته است .(Wang et al, 2013) روش رایج دیگر DCTاست که میتواند چندین فیلتر دارای باندهای متفاوت را بکار گیرد.
ABSTRACT
Detection of moving objects in video frames plays an important role in the machine vision systems. To track and detect motion, selecting an appropriate background model will be important. Since lighting shifts are one of the challenges of background modeling, researchers have moved into dynamic background modeling. In this research, a suitable model for describing dynamic backgrounds is presented. To do this, we use a few Kalman filters. Because of this, the Kalman filter has been selected that can track background changes well, and can also estimate the optimal state of a process. The number of these filters per pixel is determined by the number of background colors and by the help of a learning parameter. This unique feature has led to a clever and clever way of doing this, distinguishing this method from its predecessors.
INTRODUCTION
Background modeling and motion detection are one of the main issues in many computer vision applications such as industrial automation, transportation, security, etc. (Halder et al., 2015). Most methods for detecting motion in sequences of images, calculating the magnitude of the magnitude The difference of the input frame with a background model and then the comparison of this value with a threshold level (Hassanpour et al, 2011). So far, there are many ways in which background descriptions are presented, and some of the most commonly referred to below. One of them is the averaging method, which, despite the advantages of low computational volume and low complexity, is not suitable for describing dynamic backgrounds. Another method is to combine Gaussian functions, which describes the background colors statically. Although this method has the capability to describe background changes as well as multi-color descriptions in the background, it has a high computational load due to the use of exponential functions (Wang and Dai, 2009). In addition, the lack of a set number of colors per pixel, the effectiveness of the method (Wang et al, 2013) is another common DCT method that can handle multiple filters with different bands.
Year: 2017
Publisher: Fourth National Conference on Computer and Telecommunication Information Technology
By : Elaheh Sadeghi, Farshad Kiumarsi, Behzad Zamani
File Information: Persian Language/ 9 Page / size: 895 KB
سال : 1396
ناشر : چهارمین کنفرانس ملی فناوری اطلاعات کامپیوتر و مخابرات
کاری از : الهه صادقی , فرشاد کیومرثی , بهزاد زمانی
اطلاعات فایل : زبان فارسی / 9 صفحه / حجم : KB 895
نقد و بررسیها
هنوز بررسیای ثبت نشده است.