CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۸۲۸ | نظرات: ۰
سال انتشار: ۱۳۸۷
کد COI مقاله: ACCSI14_121
زبان مقاله: فارسی
حجم فایل: ۱۹۰.۴۵ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی

  شرمین بزاریان - دانشگاه صنعتی امیرکبیر، دانشکده کامپیوتر
    محمد رحمتی - دانشگاه صنعتی امیرکبیر، دانشکده کامپیوتر

چکیده مقاله:

در این مقاله روشی برای تخمین وضعیت دو بعدی بدن فرد در یک دنباله از تصاویر ویدئویی با استفاده از الگوریتم های تکاملی ارائه شده است. با در نظر گرفتن این موقعیت بدن فرد از یک فریم به فریم بعدی اغلب تغییر زیادی نمی کند، نتایج به دست آمده برای فریم قبلی به عنوان نقطه شروع الگوریتم تکاملی در فریم بهدی انتخاب شده است. با شروع از یک جمعیت اولیه مناسب و با محدود کردن جستجو به ناحیه ای اطراف محل قبلی فرد، این روش می تواند با سرعت بالایی وضعیت فرد در فریم جدید را پیدا کند. روش ارائه شده در این مقاله بر خلاف در اختیار نداشتن مدل دقیق زمینه، کیفیت پایین تصاویر و تنها استفاده از یک زاویه دید به نتایج دقیقی دست یافته است. معیار اصلی جستجو در این روش استفاده از مدل رنگی اعضای بدن فرد است. این روش به صورت اتوماتیک مدل رنگی بدن فرد را یاد گرفته و به مرور زمان بهبود می بخشد. در این روش در هر فریم مجموعه از فرضیه ها درباره وضعیت بدن فرد به دست می آید. بنابراین بر خلاف روشهای قطعی که در هر فریم تنها یک فرضیه درباره وضعیت بدن نگهداری می کنند، در صورت سریع بودن حرکت بدن با وجود ابهامات در تصاویر، تخمین وضعیت با مشکل مواجه نخواهد شد. بعلاوه این روش محدودیت چندانی بر روی وضعیت قرار گرفتن بدن فرد در فریم ها قرار نمی دهد.

کلیدواژه‌ها:

تقطیع فرد از زمینه، دنبال کردن، تخمین وضعیت، الگوریتم های تکاملی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ACCSI14-ACCSI14_121.html
کد COI مقاله: ACCSI14_121

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
بزاریان, شرمین و محمد رحمتی، ۱۳۸۷، تخمین وضعیت دو بعدی بدن فرد در دنباله تصاویر ویدئویی با کیفیت پایین مبتنی بر الگوریتم های تکاملی، چهاردهمین کنفرانس سالانه انجمن کامپیوتر ایران، تهران، انجمن کامپیوتر، دانشگاه صنعتی امیر کبیر، https://www.civilica.com/Paper-ACCSI14-ACCSI14_121.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (بزاریان, شرمین و محمد رحمتی، ۱۳۸۷)
برای بار دوم به بعد: (بزاریان و رحمتی، ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • V. Parameswaran and R. Chellappa, ،View invariance for human action ...
  • A. Yilma and M. Shah, *Recognizing human actions in videos ...
  • Y. Luo, T.D. Wu and J.N. Hwang, "Object-based analysis and ...
  • sequences by dynamic Bayesian networks?, Computer Vision and Image Unders ...
  • Liang Wang, Weiming Hu and Tieniu Tan, ،«Recent developments in ...
  • D. Ramanan and D.A. Forsyth, "Finding and tracking people from ...
  • J. Deutscher, A. Blake and I.D. Reid, ، Articulated body ...
  • Fabrice Caillette, Aphrodite Galata and Toby Howard, «Real-time 3-D human ...
  • Tao Zhao, Ram Nevatia and Bo Wu, "Segmentation and tracking ...
  • John Canny, "A Computat ional approach to edge detection", IEEE ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۸۸۷۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.