روشی نوین با استفاده از مدل های ترکیبی گوسی برای تشخیص پیش زمینه از زمینه با تاکید بر حذف سایه

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,434

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_175

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

مدل ترکیبی گاوسی محبوب ترین شیوه مدل سازی پس زمینه است. این مدل سازی بر بسیاری از مشکلات تشخیص زمینه از جمله زمینه جند مدلی، تصویربرداری همراه با نویز و غیره، فائق می آید . در این کار از یک مدل سازی پس زمینه با استفاده از مدل ترکیبی گاوسین، در فضای رنگی RGB استفاده شده است. نوآوری این کار اینست که از آنتروپی محلی پیکسل برای تشخیص تغییر نور شدید استفاده می شود و هنگامی که تشخیص تغییر نور شدید داده شد، مدل های GMM که پارامترهای آن در فضای رنگی RGB تعریف شده است تغییر به مدل با فضای رنگی rgb که نرمال شده فضای RGB است و مستقل از شدت نور می باشد، تبدیل می شود و پیکسل در این مدل تبدیل یافته برای تشخیص پس زمینه بودن یا پیش زمینه بودن مقایسه می شود.یا یررسی نتایج می توان ملاحظه کرد در روش انجام شده نقاط پس زمینه را دقیق تر بدست می آورد.

نویسندگان

هدایت ابریشمی

دانشگاه آزاد اسلامی واحد مشهد

سعید راحتی قوچانی

دانشگاه آزاد اسلامی واحد مشهد

سعید ابریشمی

دانشگاه فردوسی مشهد

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 :
  • 1. Morris, B.T. and M.M. Trivedi, A Survey of Vision-Based ...
  • 2. Gordon, G., et al., Background Estimation and Removal Based ...
  • 3. Jabri, S., et al., Detection and Location of People ...
  • 4. Stauffer, C. and W. Grimson, Learning Patts of activity ...
  • Zenga, J., L. Xieb, and Z.-Q. Liuc, Type-2 fuzzy Gaussian ...
  • 6. Hu, J.-S. and T.-M Su, Robust Background Subtraction with ...
  • 7. Elgammal, A., D. Harwood, and L. Davis, Non-pa rametric ...
  • 8. Bouwmans, T. and F.E. Baf, Modeling of Dynamic Backgrounds ...
  • 10. Maddalena, L. and A. Petrosino, A Self-Organizing Approach to ...
  • نمایش کامل مراجع