ترجمه مقاله تشخیص شی در حال حرکت در زمینه پویا - 2014
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 38 |
| فرمت فایل | docx |
| حجم فایل | 1139 کیلو بایت |
| تعداد صفحات فایل | 17 |
تشخیص شی در حال حرکت در زمینه پویا - 2014
Moving Object Detection in Dynamic Background
چکیده :
یک روش جدید تشخیص شی در حال حرکت در زیمنه پویا است که در این مقاله ارائه شده است . در ابتدا ، الگوریتم تطبیقی هریس در این مقاله برای استخراج ویژگی نقاط ،پیشنهاد شده است و پس از آن الگوریتم غربالگری برای توصیف ویژگی نقاط استخراج شده استفاده می شود .تابع شباهت نیز برای مطابقت با ویژگی نقاط ،استفاده می شود و الگوریتم RANSAC برای از بین بردن انطباق های شبیه استفاده شده است . با توجه به این همسان سازی ، ما ماتریس تبدیل تکراری را جهات استفاده برای جبران حرکت درپی زمینه ناشی از حرکت دوربین استفاده می کنیم و پس زمینه پویا را با مدل پس زمینه به روز رسانی می کنیم . در نهایت شی در حال حرکت را می توان با استفاده از روش تفاضل پس زمینه شناسایی نمود . نتایج تجربی نشان می دهد که این روش ، دقت استخراج ویژگی های نقاط و تشخیص حرکت هدف را در پس زمینه پویا با دقت بالایی دارد.
کلمات کلیدی :الگوریتم غربال کردن هریس ، تصحیح حرکت مدلسازی سابقه و هدف ، تشخیص حرکت شی.
1-مقدمه :
تشخیص شی در حال حرکت جهن استخراج ویژگی نقاط در بیناییی کامپیوتر بسیار مهم است . در حال حاظر روش های اصلی جهت تشخیص شی در حال حرکت در پس زینه پویا براساس جریان نوری و جبران حرکتی می باشد . علاوه بر این ، روش هایی مانند تقسیم بندی حرکتی و منطق جنبشی یکپارچه پیشنهاد شده و نوع دیگری از روش بر اساس اختلاف بین ویژگی های نقاط از جشم در حال حرکت و پس زمینه آن است که معمولا این دسته ندی ، دو نوع از نقاط را با الگوریتم مربوط به الگو به رسمیت می شناسد و عیب روش جریان نوری نیاز به محاسبات بزرگ نیاز دارد که الزامات سخت افزاری را می خواهد . جبران حرکت به طور گسترده ای استفاده می شود و همچنین روش های مختلف برای به دست آوردن پارامتر های حرکت مانند الگوریتم های طرح ریزی و الگوریتم ویژگی و الگوریتم بلوک کلاسیک وجود دارد . در این مقاله ما به وطر عمده در ویژگی الگوریتم تمرکز نموده ایم . مساحت و لبه و ویژگی نقطه یا گوشه فضای مورد نظر نیز استفاده می شود . استخراج گوشه از روش الگوریتم موراوک انجام می شود که توسط موراوک پیشنهاد شده است . این ساده بوده و ناشی از تعبیر ناپذیری چرخشی و حساسیت به سر و صدا را ندازد که منجر به استفاده به ندرت از آن می شود .یکی از گونه ها به طور گسترده مورد استفاده در الگوریتم تشخیص هریس است . اگه چه زمان بیشتر در آن صرف محاسبات الگوریتم موراوک می شود ، آن مشکلات سابق را حل می کنند. در حالی که الگوریتم هریس خود ، محدودیت هایی شامل آستانه ثابت و مقیاسی بدون تغییر ناپذیری را دارد . برای مشکل آستانه ثابت ، پیشنهاد برای تنظیم آستانه به مقدار 01/0 زمان بوده که برابر حداکثر گوشه پاسخ می باشد و این مقدار P را بهبود می بخشد . روش آستانه براساس دو متغیر ارائه شده است . روش های بالا تنها با استفاده کامل از حداکثر محل تابع و پیشنهادی به مجموعه آستانه با مقدار K برای میانگین حداکثر تابع پاسخ محلی اقدام نموده ایم که در اینجا K مقدار ثابت است . مقایسه با الگوریتم هریس سنتی نسان می دد که این روش دقت تشخیص بالایی دارد . توزین دقت تشخیص و زمان واقعی با تشخیص گوشه ها الگوریتم آستانه هریس و با استفاده از الگوریتم غربال کردن این گوشه توصیف می شود . هنگامی که با استفاده از تفریق پس زمینه برای استخراج جسم در حال حرکت اقدام می شود ،گام کلیدی به روز رسانی پس زمینه است . روش ما در این مقاله مورد استفاده قرار گرفته و بازده استخراج را بهبود بخشیده است .
ترجمه مقاله ردیابی شی فقط با نشانه زمینه
| دسته بندی | مقالات ترجمه شده isi |
| بازدید ها | 60 |
| فرمت فایل | docx |
| حجم فایل | 4747 کیلو بایت |
| تعداد صفحات فایل | 22 |
ردیابی شی فقط با نشانه زمینه - 2014
Object Tracking With Only Background Cues - 2014
چکیده :
نشانه زمینه عمدتا نقش مکمل یا ضمیمه در بسیاری از روش های قبلی برای ردیابی شی را بازی می کند . اگر ردیابی شی به عنوان یک مشکل طبقه بندی هدف ازمینه با نرمی رفتار کند . پس از آن شباهت با هدف و تفاوت از زمینه را را می توان به همان اندازه در نظرفته شود . این امر منجر به یک شوال جالب می شود :
آیا ممکن است ردیابی شی تنها با استفاده از نشانه های زمینه انجام شود ؟
پاسخ دادن به این سوال یک رویکرد ردیابی شی تنها با بهره گیری از نشانه های زمینه را ارائه می دهد . نتایج تجربی گسترده ای درتایید اعتبار احتمال ردیابی شی با استفاده از نشانه های زمینه انجام گیرد . نتایج نشان داده شده در این مقاله همچنین یک مرجع جدید در طراحی وش ردیابی شی بعدی را رائه می دهد .
کلمات کلیدی : نشانه های زمینه ، ردیابی شی .
1 . مقدمه :
ردیابی شی یک مشکل اساسی در بنیایی ماشین است [1]. پیشرفت های زیادی در تنظیمات محدودیت مانند حالات با اشیا سفت و سخت یا دور بین های ثابت ساخته شده است . اگر چه بسیاری از رویکرد ها در چند دهه گذشته برای حالات نا محدود ارائه شده است ، ردیابی قوی هم یک مشکل چالش برانگیز و حل نشده باقی مانده است .یکی از چالش های اساسی تنوع شی ظاهر شده است . در دنیای واقعی تغییرات در ظاهر یک شی می تواند توسط عوامل بسیاری مانند تغییر شکل ، تنوع حالت ایجاد شود . عوامل مختلف معمولا باعث تغییرات مختلف می شود و ظاهر انواع مختلف اشیا نیز ممکن است در روش های مختلف متفاوت باشد . بنابراین آن برای رسیدگی به همه انواع تغییرات با یک راه حل منحصر به فرد با توجه به انواع زیادی از تغیرات ممکن ، دشوار است . در چندین روش در توالی با عوامل مختلف چالش ارزیابی شده است [2]. نتایج تجربی نشان نشان می دهد که هیچ یک از این روش ها نمی تواند به خوبی در تمام توالی ها انجام شود . چگونگی پوشش انواع بیشتری از تغییرات یک مشکل پیچیده و دشوار است .
در دهه های گذشته روش های ردیابی بسیاری پیشنهاد شده است [1]. با این حال هنوز هم به شمکل ذکر شده در بالا به خوبی پرداخته نشده است . در اصل یک ردیابی بهتر نیاز به سطح بالاتری از درک در مورد اشیا بصری دارد که کاملا پیچیده و چالش برانگیز است . در این مقاله ما نشان می دهیم که این در برخی از حالات ممکن است اجتناب شود .
شکل 1 : افراد می توانند حرکت به هدف را درک کنند حتی زمانی که ظاهر ان متناقض است . در تصویر (a) جسم در حال حرکت است که توسط یک تکه از رنگ تصادفی جایگزین شده است . با مشاهده این رشته افراد می توانند حرکت جسم و همچنین درک آنها را به عنوان توالی اصلی ببینند (b). برای مشاهده بهتر لطفا فایل PDF اصلی را ببینید .
مطالعه ما در زیر نشان داده شده است . در تصویر توالی نشان داده شده در شکل 1(a) یک جسم در حال حرکت است که توسط تکه های رنگ تصادفی جایگزین شده است . با مشاهده این رشته ما می تونیم حرکت جسم را درک کرده و همچنین توالی اصلی نشان داده شده در شکل1(b)را رعایت کنیم . ثبات ظاهری جسم از اساسی ترین روش های رد یابی شی است . اگرچه در دنبال(a) در اختیار نداشته است ، ما هنوز هم می توانیم حرکت را درک کنیم . این به این معنی است که دیگر نشانه ممکن است به مارا در درک بهتر حرکت کمک کنند . در دنباله (a) رنگ تکه سازگار نیست اما آن همیشه از رنگ زمینه متفاوت است . به عبارتی دیگر ما می توانیم حرکت را درک کنیم نه تنها زمانی که آن شی است بلکه زمانی که آن در زمینه نیست . در مقایسه با ملاک بودن هدف ، ملاک بودن زمینه دارای یک مزیت طبیعی است به عنوان مثال استحکام تنوع ظاهری یک شی . زمانیکه یک شی تغییر می کند ، تفوت بین جشم و زمینه نمی تواند لزوما کوچک باشد . بنابراین مشکل تنوع ظاهری می تواند یطور قابل توجهی اجتناب شود .
مشاهده فوق و تجزیه تحلیل منجر به یک سوال جالب می شود . : آیا یک شی می تواند با استفاده از نشانه های زمینه رد یابی شود ؟ در این مقاله ما درمورد این سوال مطالعه می کنیم و امکان رد یابی اشیاء بصری تنها با استفاده از نشانه های پس زمینه را نشان می دهیم.
نشانه های زمینه در مطاعات قبلی از ردیابی شی استفاده شده است .برای حالات با دوربین های ثابت ، کاهش زمینه محک زده شده که می تواند موثر باشد [1]. برای روش های طراحی شده برای دوربین های پویا ، نشانه های زمینه با نشانه های شی هدف ترکیب شده است . با این حال نشانه زمینه معمولا نقش مکمل را ایفا می کند ، بدان معناست که اطلاعات زمینه را نمی توان بطور مستقل در این روش مورد استفاده قرار داد.
متفاوت از روش های قبلی ، نشانه زمینه به طور مستقل برای ارزیابی شی در این مقاله استفاده شده است که ثابت می شود با توجه به نتایج تجربی گسترده امکان پذیر است .
باقیمانده این مقاله به شرح زیر است .بخش دوم به بررسی مختصری از کار مربوطه می پردازد. روش ردیابی پینهاد شده بر اساس نشانه های زمینه در بخش سوم توصیف شده است. بخش چهارم نتایج تجربی را نشان می دهد . نتیجه گیری و بحث در بخش 5 قرار دارد .