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 اخیرمی باشد. دلیل نیاز به ردیابی اشیا متحرک آنالیز و فهم داده های 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 می باشد. به همین دلیل از دهه پیش تاکنون توجه زیادی به موضوع ردیابی اشیای متحرک شده است. به منظور آنالیز داده در صحنه ها و محیط های پیچیده می بایست 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 سال های اخیر مطرح می باشد که کاربردهای گسترده ای در حوزه ربات های هوشمند ، نظارت و مراقبت، تعامل بین انسان و کامپیوتر، ساختمان های هوشمند، ردیابی وسایل نقلیه، تصویربرداری پزشکی و …. دارد. سیستم های مراقبتی و نظارتی ویدیویی مقاوم می بایست به محل نصب دوربین وابسته نباشند و همچنین این سیستم ها می بایست در مقابل تغییرات روشنایی محیط مقاوم باشند. به علاوه، این سیستم ها می بایست 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 سیستم ها به اندازه کافی برای کنترل تغییرات بیرونی همچون تغییرات روشنایی و انسداد[1] اشیای چندگانه مفید واقع می شوند. 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 می توان 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 می باشد که در طول زمان تغییر می کنند. ردیابی مسیر اصولا به تخمین ویژگی های عمومی اهمیت می دهد و ویژگی های محلی همچون چرخش و خمیدگی را نادیده می گیرد. علاوه بر آن می توان 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 می باشد : 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 دیدگاه دربارهٔ «ردیابی افراد در ویدئو با فیلتر ذره»

  1. blank

    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.

دیدگاه‌ خود را بنویسید

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