استفاده از اطلاعات حرکتی و رروش تفریق فریم های غیر متوالی در مدل سازی زمینه

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,681

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACCSI12_107

تاریخ نمایه سازی: 23 دی 1386

چکیده مقاله:

امروزه آشکار سازی و ردیابی اشیا متحرک در بسیاری از سیستمهای مبتنی بر بینایی ماشین برای اهداف کنترلی، نظارتی و امنیتی کاربرد دارد. یکی از روشهای عمده در اینزمینه، تفریق تصویر شامل اشیا متحرک از تصویر زمینه است. بنابراین، مدل سازی و تازه کردن زمینه، از بخشهای اصلی این الگوریتم ها محسوب میشود. در این مقاله بر خلاف اکثر روشهای بکار رفته در این زمینه، با تاکید بر اطلاعات حرکتی استخراج شده از رشته فریم های تصویر، از رویکردی غیر آماری برای بازسازی تصویر زمینه استفاده می گردد. در این روش تعداد مناسبی از فریم های متوالی بر اساس سرعت و جهت حرکت اشیا متحرک انتخاب و دسته بندی می گردد. سپس با ترتیبی مناسب وبهصورت غیر متوالی، فریم های هر زیر مجموعه از یکدیگر تفریق می شوند تا بخشهای غیر پوشیده و ثابت صحنه آشکار گردد که از کنار هم قرار دادن این بخشها، کل زمینه به جز بخشهایی از صحنه، که ماهیتی دینامیک دارند همچون امواج دریا قابل بازسازی است. برای مدل کردن این بخشها نیز الگویی مناسب در نظر گرفته شده است که آخرین تغییرات این نواحی را در مدل نهایی در می کند. پس از کامل شدن مدل زمینه، به ازاء هر فریم جدید، اشیا متحرک اشکارسازی می شوند و مدل زمینه هم تازه می شود . این الگوریتم در صحنه های مختلف استاتیک و دینامیک با موفقیت مورد آزمایش قرار گرفته است.

نویسندگان

غلامرضا اردشیربهرستاقی

عضو هیئت علمی دانشگاه مازندران بابل، مجتمع آموزش عالی نوشیروانی، دا

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • C. Wren, A. Azarbayejani, T. Darrell, and A. Pentland .Pfinder: ...
  • Grimson Wel, Stauffer C. Romano R. Lee L. Using adaptive ...
  • Stauffer C, Grimson W.. E. L. Adaptive background mixture models ...
  • Friedman N., Russell S. Image Segmentation in Video equences: A ...
  • P. Kae wTraKulPong and R. Bowden. An Improved Adaptive Background ...
  • Tuzel, O.; Porikli, _ Meer, P., A Bayesian Approach to ...
  • Koller D, Weber J. Huang T. Malik J. Ogasawara G. ...
  • K.P. Karmann, A. Von Brandt, Moving Object Recognition Using an ...
  • Elgammal A., Harwood D., Davis L. non -parametric nodel for ...
  • A. Mittal and N, Paragios, "Motion -Based background subtraction using ...
  • J.Rittscher, Jakarta, S.Joga and A.Black. A Probabilistic background Model for ...
  • B. Stenger, V. Ramesh, N. Paragios, F.Coetzee and J.M. Buhmann. ...
  • Helmut Grabner, Peter M. Roth, Michael Grabner, and Horst Bischof. ...
  • نمایش کامل مراجع