ردیابی اجسام غیر صلب مبتنی برجنگل هاف و قطعه بندی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,102

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

TEDECE01_546

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

یکی از مهمترین چالشهای مطرح در ردیابی هدف، مسئله تغییر ظاهر هدف در طول زمان است. عدم لحاظ کردن تغییر شکل هدف در تعقیب تصویری هدف باعث کاهش همبستگی هدف در فریمهای متوالی شده و باعث دریفت و حتی از دست دادن هدف می گردد در این مقاله سعی شده است با بهره گرفتن از ایده هاف به حل مشکل ردیابی اجسام غیر صلب بپردازیم و همچنین الگوریتمی برای کاربردهای آنلاین نظارتی ارائه کنیم .در ابتدا توسطه الگوریتم جنگل هاف جسم مورد نظر تشخیص داده می شود و سپس با تناظر یابی و قطعه بندی کانتور به طور پویا چهارچوبی را برای ردیابی اشیا فراهم میکند که میتواند با تغییر شکل اهداف غیر صلب مقابله کند. با مجموعه سطحی میتوانیم ناحیه هدف شامل پیکسل های پیشزمینه و پسزمینه را فراهم کنیم. به منظور مکانیابی بهترین توزیع پیشزمینه و پسزمینه و سازگار با هدف ردیابی شده از شباهت استاندارد باتاچاریا استفاده میکنیم

نویسندگان

مهدی شهری مقدم

دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گرایش هوش مصنوعی، دانشگاه آزاد اسلامی واحد مشهد

سیدجواد مهدوی چابک

عضو هیئت علمی دانشگاه آزاد اسلامی مشهد، گروه مهندسی کامپیوتر، سخت افزار، مشهد، ایران

بهزاد قیومی انارکی

دانشجوی کارشناسی ارشد مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد 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 :
  • _ _ _ _ 221-255, 2004. ...
  • H. T. Nguyen and A. W. Smeulders, "Fast occluded object ...
  • A. Adam, et al., "Robust fragments-based tracking using the integral ...
  • D. A. Ross, et al., "Incremental learning for robust visul ...
  • tracking, " Intermationat Journal of Computer Vision, vol. 77, pp. ...
  • _ _ _ _ Conference on, 2009, pp. 991-998. ...
  • _ _ _ Recognition, 2009. CVPR 2009. IEEE Conference on, ...
  • L. Cehovin, et al., "An adaptive coupled-layer visual model for ...
  • _ _ _ Conference on, 2009, pp. 1436-1443. ...
  • G. Bradski and A .Kaehler, Learning OpenCV: Computer vision wvith ...
  • discriminative object tracking, " in Trends and Topics in Computer ...
  • _ _ _ _ _ _ 2011, pp. 81-88. ...
  • S. Wang, et al., "Superpixel tracking, " in Computer Vision ...
  • (ICCV), 2011 IEEE International Conference on, 2011, pp. 1323- 1330. ...
  • S. Hare, et al., "Struck: Structured output tracking with kernels, ...
  • _ _ _ _ _ _ Transactions on, vol. 36, ...
  • D. Comaniciu, et al., "Real-time tracking of non-rigid objects using ...
  • .ifeg Ning, " Joint Registration and Active Contour Segmentation for ...
  • نمایش کامل مراجع