تشخیص و ردیابی شی در تصاویر ویدئو با استفاده از سیستم های نرو فازی نوع Takagi-sugeno

امروزه تشخیص و ردیابی اشیا نقش مهمی در بخش های مختلف صنعت مانند نظارت، کنترل امنیت، جستجو به منظور نجات، کنترل ترافیک و حتی زمینه های دفاعی دارند. بسیاری از تکنیک های حال حاضر، محاسبات و هزینه ذخیره سازی بسیار بالایی دارند و اغلب اتوماتیک نیستند. در روش ارائه شده در این مقاله، برای تشخیص شی، جهت تخمین تراکم از روش KDE و جهت ردیابی شی تشخیص داده شده و پیش بینی حرکت آینده آن، از سیستم نروفازی نوع Takagi-Sugeno ، براساس اطلاعات شدت رنگ نشانه های حرکت، استفاده شده است. نتایج نشان می دهند که سیستم نروفازی آموزش دیده، ضمن برخورداری از سرعت بالا، توانایی پیش بینی با دقت بالایی دارد

کلیدواژه ها:

تشخیص و ردیابی شی ، نرو فازی Takagi-sugeno ، Kernel Density Estimation