ارائه یک روش جدید جهت ردگیری هدف متحرک بر اساس الگوریتم‌های یادگیری
چکیده:
ردیابی بصری، یکی از شاخههای اصلی در حوزه بینایی ماشین محسوب میشود. امروزه از ردیابی شیء، در دنباله تصاویر استفادههای بسیاری میشود که ازجمله آنها: کنترل ترافیک، نظارت، امنیت، نظامی، پزشکی و همچنین بسیاری از حوزههای دیگر را میتوان نام برد. TLD یکی از روشهایی است که اخیراً در تعداد زیادی از کارها استفاده شده است. TLD از ترکیب ردیابی به سوی جلو به سوی عقب از شبکهی نقطه های کلیدی با یک رویکرد تشخیص نمونه برداری با استفاده از یک دسته بند تقویت شده، برای پیشبینی محل و مقیاس دهی هدف استفاده میکند. موقعیت و تخمین مقیاس با استفاده از میانگین وزن دار انتقال ها بین تمامی نقاطی که به صورت موفق ردیابی شده اند انتخاب میشود. اما حجم محاسبات این روش نسبتاً زیاد است و مرحله ردیابی و دسته بند ترکیبی آبشاری آن می تواند بهبود پیدا کند. در روش پیشنهادی، در مرحله ردیابی از الگوریتم KCF استفاده میکنیم. KCF از فیلترهای همبستگی مبتنی بر کرنل در ردیابی بصری هدف استفاده میکند. همچنین با استفاده از مدل رنگ HSI سعی میکنیم تاثیر تغییرات نور در تصاویر حداقل شود. همچنین در روش پیشنهادی به جای استفاده از واریانس مدل در مرحله اول دسته بند آبشاری از دسته بند میانی به منظور کاهش محاسبات استفاده میشود. نتایج پیاده سازی بر روی چند دنباله از تصاویر در محیط متلب نشان میدهد که روش پیشنهادی دارای کارایی بهتری نسبت به TLD و KCF است.
می توانید فهرست مطالب و فصل اول این پایان نامه به صورت رایگان دریافت کنید.
بعد از پرداخت مبلغ مربوطه به صورت آنلاین بلافاصله لینک دانلود فایل کامل برای شما فعال می گردد. همچنین لینک دانلود به ایمیل شما ارسال می گردد.
دیدگاه ها