تشخیص و ردیابی آنلاین حرکت شی از تصاویر ویدیویی در نرم افزار متلب

تشخیص و ردیابی آنلاین حرکت شی در متلب

در این بخش پروژه تشخیص و ردیابی آنلاین حرکت شی از تصاویر ویدیویی با نرم افزار MATLAB به همراه کامنت گذاری کدها و فیلم نحوه اجرا آماده کردیم که بر اساس یک مرجع با عنوان مقاله Real-Time Compressive Tracking انجام شده است. در ادامه به چکیده ای از مقاله پرداخته و فیلم و تصاویر خروجی این پروژه پردازش تصویر و بینایی ماشین قرار داده شده و مقاله مرجع نیز به صورت رایگان آماده دانلود می باشد.

معرفی پروژه

در این مقاله یک روش چالش برانگیز به منظور توسعه سیستم تشخیص و ردیابی دقیق یک شی (حرکت سر انسان) بر اساس تغییراتی نظیر تنوع ژست، تغییر روشنایی و تاری حرکت از تصاویر ویدیویی ارائه شده است. الگوریتم های ردیابی آنلاین اکثرا مدل ها را با نمونه هایی از مشاهدات در فریم های اخیر به روز رسانی می کنند.

مدل های تطبیقی و الگوریتم های ردیابی آنلاین

در رابطه با مدل های تطبیقی و الگوریتم های ردیابی آنلاین دو مسئله وجود دارد، موضوع اول اینکه با توجه به اینکه این مدل های تطبیقی به داده ها وابسته هستند، احتمال دارد که داده های لازم برای الگوریتم آنلاین وجود نداشته باشد. مسئله دوم در مورد الگوریتم های ردیابی آنلاین می باشد که غالبا در مسائل حرکتی با مشکل رو به رو می شوند.

تشخیص و ردیابی آنلاین با مدل ظاهری و استخراج ویژگی

در مقاله پیش رو یک روش ساده و مناسب جهت تشخیص و ردیابی آنلاین با استفاده از یک مدل ظاهری بر اساس استخراج ویژگی های یک تصویر چند حالته با توجه به داده های مستقل ارائه شده است. راهکار ارائه شده در این مقاله بر پایه پیش بینی تصادفی غیر تطبیقی می باشد که ساختار ویژگی تصویر را حفظ می نماید. یک ماتریس اندازه گیر بسیار پراکنده به منظور استخراج بهتر ویژگی تصویر آموزش دیده است. هدف های پیش زمینه و پشت زمینه بوسیله ماتریس قابل اندازه گیر پراکنده فشرده گردید. وظیفه ردیابی و کلاس بندی باینری با استفاده از دسته بندی نایو بیز (Naive Bayes) که روشی برای دسته بندی پدیده‌ ها می باشد، انجام شده است. الگوریتم ردیابی ارائه شده به صورت آنلاین اجرا شده و در مقابل حرکت هایی مثل تیره و تاریک شدن ویدیو، خندیدن و حرکت های دیگر مصون بوده و قابل تشخیص است.

تصاویری از خروجی پروژه تشخیص و ردیابی آنلاین حرکت شی