ردیابی وفقی اجسام متحرک بر اساس الگوریتم ترکیبی بازنمونه برداری فیلترذره و MeanShift

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 129

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-6-4_001

تاریخ نمایه سازی: 6 دی 1400

چکیده مقاله:

تخمین موقعیت اجسام متحرک امری مهم در ردیابی می باشد و تاکنون الگوریتم های زیادی ارائه شده اند. در این مقاله روشی برای تخمین موقعیت اجسام متحرک با حل معادلات بیزین در سیستمهای غیرخطی با توزیع غیرگوسی بر پایه الگوریتم فیلترذره ارائه می گردد. به این صورت که ابتدا هیستوگرام وزن دار شده مدل هدف را تشکیل می دهیم، سپس با اعمال نویز تصادفی در مکان فریم اولیه تصویر، ذرات کاندید در مرحله بعد پیشگویی شده و هیستوگرام وزن دار شده ذرات کاندید را تشکیل می دهیم و به کمک فاصله باتاچاریا، از روی میزان شباهت میان مدل هدف با مدل کاندید ذرات ، وزن دهی ذرات آغاز می گردد و از طریق الگوریتم باز نمونه برداری در فیلتر ذره، موقعیت هدف در فریم بعدی تخمین زده می شود و سرانجام نیز مدل هدف درصورت لزوم بصورت وفقی بر اساس بهترین مدل ذره شبیه هدف، به روز می گردد

نویسندگان

عقیل عبیری

- دانشجوی دکتری، دانشکده برق الکترونیک، دانشگاه صنعتی مالک اشتر، تهران، ایران

محمدرضا محزون

- استادیار، دانشکده فاوا، دانشگاه جامع امام حسین (ع)، تهران، ایران

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 :
  • B. Ristic, S. Arulampalam, and N. Gordon, “Beyond the Kalman ...
  • A. Doucet, N. D. Freitas, and N. Gordon, “Sequential Monte ...
  • C. R. del Blanco, “Visual Object Tracking in Challenging Situations ...
  • B. Sugandi, H. Kim, J. K. Tan and S. Ishikawa, ...
  • D. Comaniciu, V. Ramesh and P. Meer, “Kernel-Based Object Tracking” ...
  • B. Han, “Adaptive Kernel Density Approximation and its Applications to ...
  • Y. Cheng, “Mean shift, mode seeking, and clustering” IEEE Trans. ...
  • R. T. Collins, “Mean-shift Blob Tracking through Scale Space” Computer ...
  • D. D. Liang, Q. Huang, S. Jiang۳, H. Yao, W. ...
  • O. Hlinka, F. Hlawatsch, and P. M. Djuri´c, “Likelihood consensus-based ...
  • O. Hlinka, O. Sluˇciak, F. Hlawatsch, P. M. Djuri´c, and ...
  • M. Gao, H.Zhang, “Sequential Monte Carlo methods for parameter estimation ...
  • M. Li, T. Tan, W. Chen, and K. Huang, “Efficient ...
  • J. Pocock, S. Dance, and A. Lawless, “State estimation using ...
  • A. Doucet, S. Godsill, and C. Andrieu, “Sequential Monte Carlo ...
  • M. Afonso, “Particle Filter and Extended Kalman Filter for Nonlinear ...
  • H. Han, Y.Sh. Ding, K.R. Hao, X. Liang, “An evolutionary ...
  • Y. Yong, Y.F. Che, “Infrared Object Tracking Based On Particle ...
  • پیوست:فلوچارت کلی الگوریتم ترکیبی بازنمونه­برداری فیلترذره و MeanShift ...
  • نمایش کامل مراجع