CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

A Color-Adaptive and Robust Visual Object TrackingMethod Based on MeanShift Algorithm

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۵ | تعداد نمایش خلاصه: ۴۳۳ | نظرات: ۰
سال انتشار: ۱۳۹۳
کد COI مقاله: JR_ACSIJ-3-3_015
زبان مقاله: انگلیسی
حجم فایل: ۵۶۵.۹۸ کیلوبایت (فایل این مقاله در ۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۵ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۵ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Color-Adaptive and Robust Visual Object TrackingMethod Based on MeanShift Algorithm

Arman Heydarian - Electrical and Computer Engineering Department, Shahid Rajaee Teacher training University Tehran, Iran
  Milad Heydarian - Electrical and Computer Engineering Department, Isfahan University of Technology

چکیده مقاله:

Visual object tracking is a key component in video analysis and surveillance system. In this paper we propose a novel and robust video object tracking method based on kernel tracking approach .MeanShift algorithm is a Kernel Tracking approach based on color histogram modeling. Because of changing of the color and shape of target model, it cannot track the object as much as possible. in some video streams with changeable color and brightness this method encounters with failure. So we manipulated some essential changes in original MeanShift and made it adaptive and more powerful in the realm of color, brightness and shape changes .The result of applying this method illustrates the high precision in our method for non-rigid objects in long videos.

کلیدواژه‌ها:

Kernel Tracking, Color Weighted Histogram, Target Model, Target candidate

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-JR_ACSIJ-JR_ACSIJ-3-3_015.html
کد COI مقاله: JR_ACSIJ-3-3_015

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:
Heydarian, Arman & Milad Heydarian, ۱۳۹۳, A Color-Adaptive and Robust Visual Object TrackingMethod Based on MeanShift Algorithm, Advances in Computer Science : an International Journal 3 (3), https://www.civilica.com/Paper-JR_ACSIJ-JR_ACSIJ-3-3_015.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: (Heydarian, Arman & Milad Heydarian, ۱۳۹۳)
برای بار دوم به بعد: (Heydarian & Heydarian, ۱۳۹۳)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه 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.

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.