تشخیص عابر پیاده در دنباله ی تصاویر با استفاده از استخراج ویژگی عملیات ریخت شناسی و شبکه ی عصبی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 718

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NPECE01_426

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

در این مقاله یک روش تشخیص عابر پیاده برای دنباله تصاویر ارائه شده است ابتدا دنباله تصاویر با استفاده از مدل های مخلوط گوسی بخش بندی می شوند در این روش اطلاعات رنگ و موقعیت پیکسل از تصویر دریافت شده و بخش بندی تصویر با استفاده از فضای ویژگی پنج بعدی شامل ویژگی های طیفی و رنگی انجام می شود سپس یکسری عملیات ریخت شناسی روی تصویر بخش بندی شده انجام شده و ویژگی های اشیای آن اسخراج می شوند این ویژگی ها به همراه ویژگی های مطلوب برای عابر پیاده برای آموزش شبکه های عصبی پیش خور چند لایه و تابع پایه ای شعاعی داده می شوند نتایج حاصل کارایی روش ارائه شده را برای تشخیص عابر پیاده در دنباله تصاویر با پویایی بالا با درصد صحت 98 و 99 به ترتیب برای شبکه ی عصبی پیش خور چند لایه و شبکه ی تابع پایه ای شعاعی نشان می دهد روش ارائه شده بر روی مجموعه داده WEIZMANN اعمال شده است و برای ارزیابی عملکرد آن نیز نتایج حاصل با یک مدل مخلوط گوسی دیگر که بخش بندی را بدون دخالت دادن رنگ و تنها با فضای ویژگی دو بعدی انجام می دهد مقایسه شده است

نویسندگان

نگین امیری

دانشجوی کارشناسی ارشد دانشکده مهندسی برق دانشگاه تفرش ایران

علیرضا رضائی

استادیار گروه مهندسی سیستم و مکاترونیک دانشکده علوم و فنون نوین دانشگاه تهران ایران

فرشید حاجتی

استادیار دانشکده مهندسی برق دانشگاه تفرش ایران

سید مرتضی خلیلی

دانشجوی کارشناسی ارشد گروه مهندسی هوافضا دانشکده علوم و فنون نوین دانشگاه 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 :
  • D. Geronimo, A. M. Lopez, A. D. Sappa, and T. ...
  • D. A. Forsyth and J. Ponce, _ Moder Approach, " ...
  • S. Zeng, R. Huang, Z. Kang, and N. Sang, "Image ...
  • G. Celeux, S. Chretien, F. Forbes, and A. Mkhadri, _ ...
  • R. H. Evangelio, M. Patzold, and T. Sikora, "Splitting gaussians ...
  • D. Suzuo, D. Deguchi, I. Ide, H. Murase, H. Ishida, ...
  • A. Bartsch, F. Fitzek, and R. H. Rasshofer, "Pedestrian recognition ...
  • J. Byun, S. Kim, J. Sa, S. Kim, Y.-T. Shin, ...
  • V. Kwatra, A. Schodl, I. Essa, G. Turk, and A. ...
  • N. H. Salman, "Level Set Methods Implementation for Image Levelsets ...
  • novel technique to extract accurate cell A:ه [11] A. Gelzinis, ...
  • S. Naz, H. Majeed, and H. Irshad, "Image segmentation using ...
  • J. Shi and J. Malik, "Normalized cuts and image segmentation, ...
  • C. _ Bishop, Pattern recognition and machine learning. springer, 2006. ...
  • M. Blank, L. Gorelick, E. Shechman, M. Irani, and R. ...
  • R. Kruse, C. Borgelt, F. Klawonn, C. Moewes, M. Steinbrecher, ...
  • L. J. Latecki, R. Lakamper, and T. Eckhardt, "Shape descriptors ...
  • Q. Wang, "Gmm-based hidden markov random field for color image ...
  • Radial Basis Function(RBF) ...
  • نمایش کامل مراجع