ردیابی افراد در ویدئو با فیلتر ذره و شار نوری

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.

لینک دانلود فیلم آموزشی

نوشته ردیابی افراد در ویدئو با فیلتر ذره اولین بار در ايران متلب. پدیدار شد.

درسالهای اخیر optical flow کاربردهای بسیار زیادی در بینایی ماشین پیدا کرده است.

به صورت کلی تغییرات حرکتی آشکار در شدت روشنایی تصویر را گویند که ناشی از حرکت اهداف باشد. با این حال تغیرات شدت روشنایی حرکتی مشابهی نیز مانند تغیر نور محیط یا وجود سایه هم نتایجی مشابه دارد اما شاملOF نمی شود.

هرچه زمان بین اخذ دو تصویر متوالی کمتر باشد شباهت تصاویر نسبت به هم بیشتر شده و در این صورت می توان تغیرات را به شکل برداری متناسب با سرعت دستگاه مختصات تصویر نمایش داد. در این حالت حرکت دوربین بین تصاویر برابر سرعت و تغیرات تصویر نگاشت سرعت محیط می باشد. این حرکت کوچک در تصویر optical flow  نام دارد. 
OF معمولاً به دو صورت مورد بررسی قرار می گیرد، در حالت متراکم (dense) که بردار حرکت (flow vector) برای تک تک پیکسل ها محاسبه شود و در حالت هدف مبنا (feature based) که برای اهداف خاص که مورد نظرمی باشند محاسبه گردد.
در حالتیکه بخواهیم OF را در مدل کروی محاسبه نماییم یا باید ابتدا محیط را به صورت فضای کروی نمونه برداری کرده و سپس OF محاسبه شود (که امری مشکل و نیازمند محاسبات فراوان است)، یا اینکه OF در فضای معمولی محاسبه گشته و نتیجه از طریق ماتریس ژاکوبین به فضای کروی انتقال یابد.

گروه ایران متلب فیلم آموزشی مختص optical flow در متلب را بعد از ماه ها تحقیق و مطالعه ، جهت استفاده کاربران محترم سایت آماده کرد. 

سرفصل مطالب :

تعریف optical flow
برای محاسبه Optical flow به چند فریم نیاز است؟
مثال تاکسی هامبورگ و تصویر optical flow متناظر
مثال 2 تصویر optical flow
مثال 3 تصویر optical flow
مثال 4 (garden dataset) و تصویر optical flow
در چه ناحیه هایی از تصویر optical flow به مشکل خورده است؟
نمایش ویدئو نمونه و بردارهای optical flow بر روی آن
بررسی موقعیت هایی در ویدئو که optical flow به مشکل می خورد؟
دوری و نزدیکی شی به دوربین و تاثیر آن در محاسبه optical flow
اختلاف شدت نور شی و پس زمینه و تاثیر آن در محاسبه optical flow
کاربردهای optical flow
روش Horn & Schunck
ایده اصلی در optical flow چیست؟
روابط ریاضی ایده اصلی optical flow
تفاوت motion و optical flow
آیا هر حرکتی یک optical flow است؟
تاثیر lightening در محاسبه optical flow
روش Lucas-Kanade
در چه مواقعی Lucas-Kanade خطا می دهد؟
چه مواقعی Keypoint Mataching وارد محاسبه optical flow می شود؟
چه مواقعی Region-Based mataching وارد محاسبه optical flow می شود؟
چه مواقعی Gradient Constant وارد محاسبه optical flow می شود؟

شروع برنامه نویسی متلب optical flow
دستور opticalFlow
برنامه متلب رسم optical flow تصادفی
مفهوم اعداد optical flow
رسم بردار های optical flow
گزینه DecimationFactor
گزینه ScaleFactor
دستور OpticalFlowHS
برنامه متلب دوم
خواندن فایل ویدئویی
توضیح پارامترهای خروجی دستور خواندن video
محاسبه width فریم
محاسبه height فریم
محاسبه کل فریم های ویدئو
دستور hasFrame
دستور readFrame
دستور estimateFlow
فیلدهای خروجی optical flow
مفاهیم Vx و Vy و Orientation و Magnitude
محاسبه مینیمم و ماکزیمم اندازه optical flow
نمایش optical flow بر روی فریم ویدئو
قرار دادن شرط بر روی اندازه optical flow
عملیات مرفولوژی بر روی تصویر
ردیابی شی بر اساس optical flow
قرار دادن bounding box بر روی اشیای متحرک
دستور insertShape
پارامتر smoothness
پارامتر MaxIteration
پارامتر VelocityDifference
شروط توقف optical flow چه مواردی هستند؟
طریقه کنترل شرایط توقف چیست؟
تاثیر هر پارامتر در یک برنامه متلب مثال
دستور opticalFlowLK
گزینه NoiseThreshold
روش Lucas-kanade مشتق روش گایوسین
دستور opticalFlowLKDoG
گزینه NumFrames
گزینه ImageFilterSigma
گزینه GradientFilterSigma
گزینه NoiseThreshold
چرا استفاده از چند فریم در محاسبه optical flow بهتر است؟

لینک دریافت

پیش نمایش 1 :

لینک دانلود پیش نمایش 1

لینک آپارات

لینک تخته سفید

لینک یوتیوب

پیش نمایش 2 :

لینک دانلود پیش نمایش 2

لینک آپارات

لینک تخته سفید

لینک یوتیوب

نوشته فیلم آموزشی فارسی Optical Flow در پردازش تصویر و بینایی ماشین اولین بار در ايران متلب. پدیدار شد.