ردیابی افراد در ویدئو با فیلتر ذره

Person tracking by particle filter and optical flow

ردیابی افراد در ویدئو با فیلتر ذره و شار نوری

tracking in MATLAB

ردیابی اشیا متحرک یکی از مبحاث  چالش برانگیز در حوزه بینایی ماشین دردهه اخیرمی‌باشد. دلیل نیاز به ردیابی اشیا متحرک آنالیز و فهم داده‌های موجود در تصویر و یافتن خودکار یک شی مشابه در فریم متوالی است. یک سیستم ردیابی برای کاربردهای مختلف که توانایی پاسخگویی سریع به رویدادها و توانایی مشاهده اشیا را داشته باشد، مورد نیاز می‌باشد. به همین دلیل از دهه پیش تاکنون توجه زیادی به موضوع ردیابی اشیای متحرک شده است. به منظور آنالیز داده در صحنه‌ها و محیط‌های پیچیده می‌بایست عملیات ردیابی اشیا را توسعه و گسترش داد که به این منظور تحقیقات گسترده ای در حوزه ردیابی اشیای متحرک صورت گرفته است که این تحقیقات گسترده در نتیجه توسعه و گسترش و پیشرفت علم پردازش تصویر ایجاد شده است. همچنین، ردیابی اشیا متحرک به عنوان یک حوزه تحقیقاتی فعال در زمینه بینایی ماشین در سال‌های اخیر مطرح می‌باشد که کاربردهای گسترده ای در حوزه ربات‌های هوشمند ، نظارت و مراقبت، تعامل بین انسان و کامپیوتر، ساختمان‌های هوشمند، ردیابی وسایل نقلیه، تصویربرداری پزشکی و …. دارد. سیستم‌های مراقبتی و نظارتی ویدیویی مقاوم می‌بایست به محل نصب دوربین وابسته نباشند و همچنین این سیستم‌ها می‌بایست در مقابل تغییرات روشنایی محیط مقاوم باشند. به علاوه، این سیستم‌ها می‌بایست توانایی انطباق با تغییرات روشنایی و تغییرات ناشی از حرکت اشیا را داشته باشند. تحقیات اخیر تلاش بسیار زیادی برای توسعه سیستم ردیابی قابل تطبیق انجام داده اند به گونه ای که این سیستم‌ها به اندازه کافی برای کنترل تغییرات بیرونی همچون تغییرات روشنایی و انسداد[1] اشیای چندگانه مفید واقع می‌شوند. بسیاری از کاربردهای ردیابی اشیای متحرک به وجود آمده اند که به صورت خودکار حوادث اتفاق افتاده را تشخیص دهند. به منظور تشخیص و درک بهتر این رخدادها نیازمند به انجام عملیات بینایی ماشین سطح پایین هستیم. از جمله این عملیات سطح پایین می‌توان به کنترل و مدیریت انسداد و تشخیص حرکات غیر معمول اشاره نمود[2].  در طی چند سال اخیر تحقیقاتی بر روی تکنولوژی آنالیز ویدئویی هوشمند، مخصوصا در حوزه ردیابی مسیر حرکت شی صورت گرفته است. مسیر حرکت شی در واقع توصیفی بر حرکت فیزیکی اشیای در حال حرکت می‌باشد که در طول زمان تغییر می‌کنند. ردیابی مسیر اصولا به تخمین ویژگی‌های عمومی‌اهمیت می‌دهد و ویژگی‌های محلی همچون چرخش و خمیدگی را نادیده می‌گیرد. علاوه بر آن می‌توان شکل لبه و رنگ و توصیف گرهای ویژگی بافتی را با هم ترکیب نمود تا مسیرهای مختلف شی تشخیص داده شود.

ردیابی مسیر شی شامل سه قسمت می‌باشد : شناسایی جهت شی و پیش بینی آن و در نهایت توصیف مسیر. قبل از انجام عمل ردیابی مسیر شی لازم است که شی از پس زمینه و سایر اشیا تشخیص داده شود.

image-processing-matlab-download-train

particle-filter-train-movie

optical-flow-matlab-train-movie2

لینک دانلود فیلم آموزشی

 

 

 


3 نظر در “ردیابی افراد در ویدئو با فیلتر ذره”

  1. سلام
    ممنون از آموز شهای مفیدتون.
    میخواستم این ویدئو آموزشی رو بطور کامل تهیه کنم ممنون میشم در صورت آماده شدن این آموزش بهم اطلاع بدید

    با تشکر.

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

five + three =