ردیابی هدف با استفاده از فیلتر همبستگی هسته ای شده چندگانه و استفاده از توصیفگر ویژگی efficient LBP

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 847

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICRSIE02_195

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

ردیابی بصری یکی از روش های اساسی در بینایی ماشین محسوب می شود. فیلترهای همبستگی برای مدت طولانی در ردیابی بصری هدف مورد استفاده قرارگرفته اند. در این مقاله یک الگوریتم ردیابی بر اساس چهارچوب فیلتر همبستگی هستهای شده پیشنهاد شده است با این تفاوت که به جای استفاده از فیلتر همبستگی تکی، از فیلتر همبستگی هسته ای شده ی چندگانه استفاده می کنیم. در الگوریتم پیشنهادی همچنین به جای استفاده از ویژگی HOG از توصیفگر ویژگی efficient LBP برای بهبود دقت ردیاب به خصوص در چالش هایی مثل کدر بودن تصویر، چرخش هدف، تغییرات روشنایی پیشنهاد شده است. در انتها، مقایسه ای بین الگوریتم پیشنهادی و الگوریتم ردیابی فیلتر همبستگی هسته ای شده انجام گرفته است. در این مقاله نتایج بهدست آمده از الگوریتم پیشنهادی نشان از بهبود الگوریتم ردیابی در چالش های گفته شده نسبت به الگوریتم kcf دارد.

کلیدواژه ها:

ردیابی هدف ، فیلتر همبستگی هستهای شده ، توصیفگر ویژگی efficient LBP ، هسته ی چندگانه

نویسندگان

هومن بهشتی

دانشگاه آزاد اسلامی واحد نجف آباد ، دانشکده برق،

مهدی آمون

دانشگاه آزاد اسلامی واحد نجف آباد ، دانشکده برق،

حسین پورقاسم

دانشگاه آزاد اسلامی واحد نجف آباد ، دانشکده برق،

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 :
  • I. Hwang, H. Balakrishnan, K. Roy, and C. Tomlin, "Multiple ...
  • J. Omar and M. Shah, "Tracking and object classification for ...
  • A. Smeulders, D. Chu, R. Cucchiara, S. Calderara, A. Dehghan, ...
  • J. ao F. Henriques, R. Caseiro, P. Martins, and J. ...
  • S. Hare, A. Saffari, and P. H. S. Torr, "Struck: ...
  • J. F. Henriques, R. Caseiro, P. Martins, and J. Batista, ...
  • Z. Kalal, K. Mikolajczyk, and J. Matas, "P-n learning: Boot ...
  • constraints, " in Computer Vision and Pattern Recognition (CVPR), 2010 ...
  • Y. Li and J. Zhu, "A scale adaptive kernel correlation ...
  • J. van de Weijer, C. Schmid, J. Verbeek, and D. ...
  • P. F. Felzenszwalb, R. B. Girshick, D. McAllester, and D. ...
  • Mehmet G onen, Ethem Alpaydn, "Multiple kernel learning algorithms, " ...
  • Ojala.Timo, Pietikainen, Matti and Maenpaa, Topi, "Mu ltiresolution gray-scale and ...
  • Yi Wu and Jongwoo Lim and Ming-Hsuan Yang, "Online Object ...
  • نمایش کامل مراجع