Multiple Non-Rigid Object Tracking Using Fast Particle Swarm Optimization
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,135
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_251
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
Visual surveillance in crowded scenes, especially for humans, has recently been one of the most active research topics in machine vision because of its applications such as deter and response to crime, suspi-cious activities, terrorism or human behavior recogni-tion. Three of the most important problems in multiple human tracking are the occlusion problem, the non-rigid object tracking and run time. In this paper, we use particle swarm optimization (PSO) as a tracker, incre-mental subspace learning to introduce a likelihood func-tion for non-rigid objects and some other mathematical equations for multiple non-rigid object tracking. This paper modified PSO to improve the run time and the computational rate. Experimental results on simulated random data and several real video sequences from different conditions have shown the effectiveness of our approach
کلیدواژه ها:
نویسندگان
Reza Serajeh
Department of Electrical Engineering Amirkabir University of Technology (Tehran Polytechnic) Tehran, Iran
Karim Faez
Department of Electrical Engineering Amirkabir University of Technology (Tehran Polytechnic)Tehran, Iran
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 :