تشخیص حرکت انسان و نظارت تصویری با استفاده از متلب
چکیده
الگوریتم تشخیص حرکت انسان بر اساس ترکیب اطلاعات متحرک با اطلاعات شکل در این مقاله پیشنهاد شده است. اولا، شی ویژه محاسبه شده از سه فریم در توالی های ویدئویی اولیه برای تشخیص شی متحرک استفاده می شود. دوما، اطلاعات شکل بدن انسان برای طبقه بندی انسان و سایر اشیا استفاده می شود. به علاوه، انسداد بین دو شی در طی زمان کوتاه با استفاده از فریم ها و قالب های چند گانه پیوسته پردازش می شوند. مزایای الگوریتم شامل تشخیص صحیح شی متحرک می باشند و نتایج تشخیص تحت تاثیر وضعیت بدن قرار نمی گیرد. به علاوه، سایه شی متحرک حذف شده است.
1-مقدمه
سه نوع روش عمدتا در تشخیص شی متحرک وجود دارد. این سه روش، روش حذف فریم، حذف پس زمینه و روش جریان نوری هستند(1). در روش حذف فریم(2)، تفاوت بین دو تصویر متوالی برای تعیین حضور اشیای متحرک در نظر گرفته می شود. محاسبه در این روش بسیار ساده است. با این حال در این روش، دست یابی به یک شرح کاملی از شی متحرک سخت است از این روی تشخیص شی متحرک صحیح نیست. در روش جریان اپتیکی(1)، محاسبه تصویر بر روی میدان جریان نوری انجام می شود. پردازش خوشه بندی بر اساس ویژگی های توزیع جریان نوری تصویر انجام می شود. بر این اساس، اطلاعات حرکتی کامل بدن متحرک یافته شده و شی متحرک را از مقدار محاسبه تشخیص می دهد و به این ترتیب عملکرد آنتی نویز ضعیف موجب می شود تا این تشخیص برای کاربرد های زمان واقعی نامناسب باشد. روش حذف پس زمینه(2)، روشی است که در آن تفاوت بین تصویر جاری و تصویر پس زمینه برای تشخیص اشیای متحرک با استفاده از الگوریتم ساده در نظر گرفته می شود. با این حال این به بسیاری از تغییرات رخ داده در محیط خارجی حساس بوده و دارای قابلیت ضدتداخلی ضعیف است. یکی از مزایای این روش ارایه کامل ترین اطلاعات از اشیا در صورت معلوم بودن پس زمینه است(3). در روش حذف پس زمینه، در یک شرایط دوربین ساکن، مدل سازی پس زمینه پویا با روش انتخاب استانه پویا ترکیب می شودکه بستگی به حذف پس زمینه دارد. پس زمینه بر اساس تشخیص صحیح شی به روز رسانی می شود.
Abstract
A human body detection algorithm based on the combination of moving information with shape information is proposed in the paper. Firstly, Eigen-object computed from three frames in the initial video sequences is used to detect the moving object. Secondly, the shape information of human body is used to classify human and other object. Furthermore, the occlusion between two objects during a short time is processed by using continues multiple frames. The advantages of the algorithm are accurately moving object detection, and the detection result doesn't effect by body pose. Moreover, as the shadow of moving object has been eliminated.
1. Introduction
There are three types of methods mainly used in moving object detection. These methods are the frame subtraction method, the background subtraction method and the optical flow method [1]. In the Frame subtraction method [2] the difference between two consecutive images is taken to determine the presence of moving objects. The calculation in this method is very simple and easy to develop. But in this method it is difficult to obtain a complete outline of moving object; therefore the detection of moving object is not accurate. In the Optical flow method [1], calculation of the image optical flow field is done. The clustering processing is done according to the optical flow distribution characteristics of image. From this, the complete movement information of moving body is found and it detects the moving object from the quantity of calculation, poor antinoise performance makes it unsuitable for real-time applications. The background subtraction method [2] is the method in which the difference between the current image and background image is taken for the detection moving objects by using simple algorithm. But it is very sensitive to the changes which occur in the external environment and it also has poor anti interference ability. One advantage of this method is, it can provide the most complete object information in the case of the background is known [3]. In the background subtraction method, in a single static camera condition, the dynamic background modeling is combined with dynamic threshold selection method which depends on the background subtraction. The background is updated on the basis of accurate detection of object.
چکیده
1-مقدمه
الف: تفکیک فریم
ب: تشخیص شی متحرک
پ: به روز رسانی پس زمینه
ت: استخراج بدن انسان متحرک
پ: تشخیص اشیای متحرک در ویدئو
ت: حذف پس زمینه
2- روش پیشنهادی
الف: الگوریتمی برای حذف پس زمیینه
ب: تشخیص انسان از ویدئوی حذف شده از پس زمینه
3-کاربرد ها
الف: تشخیص رویداد غیر طبیعی
ب: مشخص کردن راه رفتن انسان
پ: تشخیص فرد در شلوغی و شمارش افراد
ت: مسیر یابی و شناسایی شخص
ث: تشخیص پیاده رو(عابر)
ج: تشخیص سقوط برای افراد مسن
چ: سیستم نظارت مصرف کننده:
4- نتیجه گیری و نتایج
Abstract
1. Introduction
A) Frame Separation
B) Moving Object Detection
C) Detection of Moving Objects in the Video
D) Background Elimination
2. Proposed Methodology
A) Algorithm for background Elimination
B) Human Detection from background eliminated video
3. Applications
a)Abnormal event detection
b)Human gait characterization
c)Person detection in dense crowds and people counting
d)Person tracking and identification:
e)Pedestrian detection:
f) Fall detection for elderly people:
g)Consumer Surveillance System:
4. Conclusions and Results
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه