ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرکنوع فایل: word (قابل ویرایش)تعداد صفحات : 107 صفحهچکیدهموضوع
ردیابی اهداف یکی از مهمترین مسائل موجود در علم بینایی ماشین می باشد.
مساله ردیابی اهداف چندگانه در تصاویر به دست آمده از دوربین متحرک در این
پایان نامه مورد ارزیابی قرار گرفته است. برای حل کردن این مساله دو روش
کلی در این پایان نامه ارائه شده است. روش اول عمدتا بر پایه الگوریتم های
تطبیق بلوکی می باشد. در این روش با استفاده از جبران سازی حرکتی و دسته
بندی حرکت های مختلف موجود در تصویر، نواحی مربوط به اهدف و پس زمینه مشخص
خواهند شد. سپس عملیات ردیابی با استفاده از فیلتر کالمن صورت گرفته است.
با توجه به نتایج به دست آمده، این روش توانایی ردیابی اهداف با دقت بسیار
زیاد را در بیش تر شرایط دارا می باشد. دومین روش پیشنهادی اساسا بر گرفته
از الگوریتم تطبیق نقطه ای شناخته شده ای به نام SIFT می باشد. در این روش
با ایجاد تطبیق میان نقاط کلیدی ناحیه هدف و نقاط متناظر در فریم بعدی، سعی
در یافتن ناحیه هدف در فریم های متوالی می شود. مساله ردیابی نواحی هدف در
دنباله فریم به وسیله فیلتر کالمن صورت می پذیرد. با توجه به این که هدف
در این روش به صورت محلی بررسی می شود، این روش در موقعیت های مختلف ردیابی
از قبیل محو شدگی دارای توانایی زیادی می باشد. با توجه به نمودارها و
جدول های می توان نتیجه گرفت که این روش از نظر دقت در بسیاری از موارد
ردیابی عملکرد به مراتب قوی تری نسبت به اکثر روش های موجود دارد. فهرست مطالبصفحهعنوانفصل ۱مقدمه—1۱-۱ مقدمه —-2۱-۱-۱ ساختار سیستم های ردیابی —— ۳۱-۱-۱-۱ دوربین ——–3۱-۱-۱-۲ هدف -5۱-۱-۲ نحوه عملکرد سیستم های ردیابی ——– ۶۱-۱-۲-۱ الگوریتم های فاقد خاصیت پیش بینی–6۱-۱-۲-۲ الگوریتم های دارای خاصیت پیش بینی– ۷۱-۲ تعریف مساله و مشکلات پیش رو — ۸۱-۳ نحوه حل مساله —— ۱۰۱-۴ سر فصل ها۱۱فصل ۲مروری بر تحقیقات صورت گرفته ——- ۱۴۲-۱ مقدمه —- ۱۵۲-۲ روش های مختص دوربین ثابت – ۱۵۲-۲-۱ روش تفریق پس زمینه ——– ۱۵۲-۳ روش های قابل استفاده در دوربین متحرک – ۱۷۲-۳-۱ روش Mean Shift —— 17۲-۳-۲ روش CAM Shift —— 20۲-۳-۳ روش جریان بصری ——- ۲۱فصل ۳الگوریتم های ارائه شده به منظور آشکار سازی —– ۲۴۳-۱ مقدمه —- ۲۵۳-۲ الگوریتم پیشنهادی اول ——– ۲۶۳-۲-۱ جبران سازی حرکتی به وسیله الگوریتم های تطبیق بلوکی ——- ۲۶۳-۲-۱-۱ مفهوم الگوریتم تطبیق بلوکی ——– ۲۷۳-۲-۱-۲ الگوریتم های جستجوی بلوک متناظر – ۲۹۳-۲-۱-۳ به دست آوردن ناحیه متحرک تصویر – ۳۳۳-۲-۲ قطعه بندی تصویر به وسیله الگوریتم K-Means —— 34۳-۲-۳ نمودار جریان الگوریتم پیشنهادی اول —— ۳۷۳-۳ الگوریتم پیشنهادی دوم ——– ۳۹۳-۳-۱ ساختن فضای مقیاس۴۱۳-۳-۲ استفاده از تقریب LoG —- 44۳-۳-۳ یافتن نقاط کلیدی در تصویر —- ۴۶۳-۳-۴ حذف نقاط کلیدی غیر موثر —- ۴۷۳-۳-۴-۱ آشکارساز گوشه Harris — 47۳-۳-۴-۲ حذف نقاط با تفکیک پذیری کم با استفاده از بسط تیلور – ۵۱۳-۳-۵ جهت دهی به نقاط کلیدی انتخاب شده —- ۵۳۳-۳-۶ ایجاد خصیصه های SIFT —— 54فصل ۴ردیابی توسط فیلتر کالمن — ۵۶۴-۱ مقدمه —- ۵۷۴-۲ فیلتر کالمن ——– ۵۷۴-۳ نوع حرکت اهداف —- ۶۱۴-۴ استفاده عملی از فیلتر کالمن —- ۶۲فصل ۵شبیه سازی و مقایسه ——– ۶۶۵-۱-مقدمه —- ۶۷۵-۲-دنباله فریم های مورد استفاده — ۶۸۵-۲-۱-دنباله فریم اول۶۹۵-۲-۲-دنباله فریم دوم۷۱۵-۲-۳-دنباله فریم سوم۷۳۵-۲-۴-دنباله فریم چهارم ——- ۷۵۵-۲-۵-دنباله فریم پنجم ——– ۷۸فصل ۶نتایج و پیشنهادات۸۲۶-۱-مقدمه —- ۸۳۶-۲-نتیجه گیری ——– ۸۳۶-۳-پیشنهادات۸۴فهرست منابع —– ۸۶فهرست مطالبصفحهعنوانفصل ۱مقدمه—1۱-۱ مقدمه —-2۱-۱-۱ ساختار سیستم های ردیابی —— ۳۱-۱-۱-۱ دوربین ——–3۱-۱-۱-۲ هدف -5۱-۱-۲ نحوه عملکرد سیستم های ردیابی ——– ۶۱-۱-۲-۱ الگوریتم های فاقد خاصیت پیش بینی–6۱-۱-۲-۲ الگوریتم های دارای خاصیت پیش بینی– ۷۱-۲ تعریف مساله و مشکلات پیش رو — ۸۱-۳ نحوه حل مساله —— ۱۰۱-۴ سر فصل ها۱۱فصل ۲مروری بر تحقیقات صورت گرفته ——- ۱۴۲-۱ مقدمه —- ۱۵۲-۲ روش های مختص دوربین ثابت – ۱۵۲-۲-۱ روش تفریق پس زمینه ——– ۱۵۲-۳ روش های قابل استفاده در دوربین متحرک – ۱۷۲-۳-۱ روش Mean Shift —— 17۲-۳-۲ روش CAM Shift —— 20۲-۳-۳ روش جریان بصری ——- ۲۱فصل ۳الگوریتم های ارائه شده به منظور آشکار سازی —– ۲۴۳-۱ مقدمه —- ۲۵۳-۲ الگوریتم پیشنهادی اول ——– ۲۶۳-۲-۱ جبران سازی حرکتی به وسیله الگوریتم های تطبیق بلوکی ——- ۲۶۳-۲-۱-۱ مفهوم الگوریتم تطبیق بلوکی ——– ۲۷۳-۲-۱-۲ الگوریتم های جستجوی بلوک متناظر – ۲۹۳-۲-۱-۳ به دست آوردن ناحیه متحرک تصویر – ۳۳۳-۲-۲ قطعه بندی تصویر به وسیله الگوریتم K-Means —— 34۳-۲-۳ نمودار جریان الگوریتم پیشنهادی اول —— ۳۷۳-۳ الگوریتم پیشنهادی دوم ——– ۳۹۳-۳-۱ ساختن فضای مقیاس۴۱۳-۳-۲ استفاده از تقریب LoG —- 44۳-۳-۳ یافتن نقاط کلیدی در تصویر —- ۴۶۳-۳-۴ حذف نقاط کلیدی غیر موثر —- ۴۷۳-۳-۴-۱ آشکارساز گوشه Harris — 47۳-۳-۴-۲ حذف نقاط با تفکیک پذیری کم با استفاده از بسط تیلور – ۵۱۳-۳-۵ جهت دهی به نقاط کلیدی انتخاب شده —- ۵۳۳-۳-۶ ایجاد خصیصه های SIFT —— 54فصل ۴ردیابی توسط فیلتر کالمن — ۵۶۴-۱ مقدمه —- ۵۷۴-۲ فیلتر کالمن ——– ۵۷۴-۳ نوع حرکت اهداف —- ۶۱۴-۴ استفاده عملی از فیلتر کالمن —- ۶۲فصل ۵شبیه سازی و مقایسه ——– ۶۶۵-۱-مقدمه —- ۶۷۵-۲-دنباله فریم های مورد استفاده — ۶۸۵-۲-۱-دنباله فریم اول۶۹۵-۲-۲-دنباله فریم دوم۷۱۵-۲-۳-دنباله فریم سوم۷۳۵-۲-۴-دنباله فریم چهارم ——- ۷۵۵-۲-۵-دنباله فریم پنجم ——– ۷۸فصل ۶نتایج و پیشنهادات۸۲۶-۱-مقدمه —- ۸۳۶-۲-نتیجه گیری ——– ۸۳۶-۳-پیشنهادات۸۴فهرست منابع —– ۸۶