شناسایی اشیا متحرک در یک ویدیو با روش تفریق پس زمینه اصلاح شده
چکیده
شناسایی شی در ویدیو که موقعیتش گاهاً در ویدیو تغییر می کند، در میان بحرانی ترین مراحل کاربرد دید کامپیوتر، مثل استخراج اشیاء، نظارت ویدیویی، دسته بندی و شناسایی الگو جای دارد. در این مقاله شیوه جدیدی برای تشخیص اشیاء متحرک درمحیط نویزی پیشنهاد شده است. در الگوریتم پیشنهادی، از مدل مخلوط گاوسی برای استخراج شی متحرک و سپس از روش جریان نوری برای کسب سریع نتایج بدون خطا و سپس از تفاضل قاب برای استخراج درست اشکال استفاده می شود. الگوریتم روی ویدیوهای مختلف در موقعیت های محیطی گوناگون مورد تجزیه و تحلیل قرار گرفته و تست شده است. نتیجه بدست آمده ثابت می کند الگوریتم مطمئن تر بوده، تشخیص دقیق تر و حتی از لحاظ نیازهای هزینه و حافظه پائین می باشد.
1. مقدمه
ویدیو شکلی از داده های چند رسانه ای متشکل از بخشهای دیداری، متون و شنیداری می باشد. هدف ویدیوکاوی استخراج الگوهای مرتبط از ویدیوها است. یکی از کاربردها و اپلیکیشن هایی که از ویدیوکاوی برای استخراج اشیاء متحرک در ویدیو استفاده می کند، تشخیص حرکت است. شناسایی شی متحرک در ویدیو (شی که جابجا می شود)، یکی از بحرانی ترین مراحل در کاربردهای دید کامپیوتر مثل تشخیص چهره، نظارت بر ترافیک، تشخیص انسانها در ویدیو و پیش بینی فعالیتهای آنها و سایر فیلدها می باشد. در میان اینها، نظارت ویدیویی یا تصویری، به خاطر افزایش نرخ جرم و جنایت و بسیاری از موضوعات اجتماعی، به عنوان فعالترین حوزه تحقیق شناخته شده است.
Abstract
To identify the object in a video that changes its position from time to time in a video is amongst the crucial steps in various application of computer vision like extraction of objects, video surveillance, classification and pattern identification as well. In this paper a novel approach is proposed that is used to detect the objects that are not stationary in noisy environment. In the proposed algorithm Gaussian mixture model is used to extract the moving object and then the Optical flow method is used to acquire error free results quickly followed by frame differencing to obtain accurate extraction of shapes. The algorithm has been analyzed and tested over various videos in different environmental circumstances .The result acquired proves the algorithm to be more reliable, the detection is more precise and even low in terms of cost and memory requirement as well.
I. INTRODUCTION
Video is a form of multimedia data that consist of visuals, texts and audio. The video mining is destined to extract the relevant patterns from the videos [1]. Motion detection is one such application that uses video mining for the extraction of the objects that are not stationary in a video. Identifying an object in video that relocate one of the most crucial step in the computer vision applications[34] like face detection [2], monitoring traffic [3], detecting humans in video and predicting their activities [4-5] and various other fields as well. Amongst which the video surveillance has been the most active research domain due to increase in crime rate and many social issues as well [6].
چکیده
1. مقدمه
2. الگوریتم پیشنهادی
A. مدلسازی پس زمینه
B. جریان نوری
C. تفاضل قاب
D. ترکیب داده ها
3. تحلیل آزمایشی
4. نتیجه گیری
Abstract
I. INTRODUCTION
II. PROPOSED ALGORITHM
A Background Modelling
B Optical Flow
C Frame Differencing
D Data Fusion
IV. CONCLUSION
- 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