9948

9178

كارشناسي ارشد

مخابرات سيستم

اصفهان: دانشگاه صنعتي اصفهان، دانشكده برق و كامپيوتر

1393

دوازده، 80ص.: مصور، نمودار

ص.ع. به فارسي و انگليسي

محمدرضا احمدزاده

94/2/13

سعيد صدري

1396/09/26

كتابنامه

برق و كامپيوتر

مهندسي برق و كامپيوتر

ID9178

چكيده يكي از مسائل مطرح در حوزه بينايي ماشين رديابي شئ متحرك است كه به دليل وجود چالشهاي فراوان همچنان پس از گذشت چند دهه توجه بسياري از محققان را به خود جلب كرده است هدف رديابي پيدا كردن موقعيت شئ متحرك در تمام قابهاي ويدئو با توجه به دانستن مكان آن در قاب اول است كه در زمينههاي مختلفي مانند تعامل انسان و كامپيوتر تشخيص پزشكي نظارت تصويري ربات هوشمند نظامي و غيره به طور گسترده مورد استفاده قرار گرفته است يكي از معروفترين الگوريتمهاي رديابي الگوريتم رديابي انتقال متوسط است كه براي توصيف هدف به تعريف فضاي ويژگي ميپردازد ويژگي مورد استفاده ميتواند رنگ بافت لبه و يا نقاط گوشهاي هدف باشد اين الگوريتم در واقع يك روش تطبيق الگوست كه از الگوي فركانس پايين تصوير هدف كمك ميگيرد و در هر قاب به ناحيهاي كه مدل هيستوگرام رنگش به مدل هيستوگرام رنگ ناحيه هدف شباهت بيشتري داشته باشد همگرا ميشود معيار تشابه فاصله بين هيستوگرامها است كه به كمك ضريب باتاچاريا محاسبه ميشود اگرچه ردياب انتقال متوسط از مزايايي همچون قابليت بالدرنگ پيادهسازي آسان و توانايي باال برخوردار است با اين وجود از برخي مشكالت مانند نفوذ اطالعات پسزمينه تغييرات روشنايي انسداد و غيره رنج ميبرد بدين منظور براي مقابله با اين مشكالت در اين پاياننامه ابتدا با استفاده از الگوريتم خوشهبندي K means رنگهايي مطلوب كه بهعنوان ويژگي هدف در نظر گرفته ميشوند را استخراج و با روش وزندهي هيستوگرام پسزمينه اصالح شده CBWH اطالعات موجود در هدف را برجسته و اطالعات پسزمينه را تضعيف ميكنيم سپس براي مقابله با انسداد جزئي و كامل نظريه پيشسو پسسو و همچنين فيلتر كالمن را مورد استفاده قرار ميدهيم كارايي ردياب پيشنهادي با 5 روش مطرح ديگر بر روي 5 مجموعه داده و با استفاده از معيارهاي ارزيابي كمي مختلف و كيفي مقايسه شدهاست نتايج شبيهسازي بيانگر آنست كه ردياب پيشنهادي مشكالت ذكر شده را كاهش داده و در مجموع نسبت به ساير روشهاي مقايسه شده از عملكرد بهتري برخوردار است كلمات كليدي ردياب انتقال متوسط هيستوگرام رنگ الگوريتم خوشهبندي K means فيلتر كالمن

Review and Improve Robust Tracking Algorithms Based on Mean Shift Mahdi Ghorbani mahdi ghorbani@ec iut ac ir Data of Submission 3 Jan 2015 Department of Electrical and Computer Engineering Isfahan University of Technology Isfahan Iran 84156 83111Degree M Sc Language PersianSuperwisors name Mohamad Reza Ahmadzadeh Ahmadzadeh@cc iut ac irAbstract Object tracking is an important task within the field of computer vision which still attractsmany researchers attention because of unsolved problems The aim of tracking is to locatea moving object or several ones in the video frames based on the knowledge of their locationsin the first frame It is wildly used in many applications such as video surveillance human computer interface intelligent robots military and etc The mean shift tracking algorithm isone of the most popular tracking algorithms It is a local search algorithm based on colorhistogram matching Bhattacharyya coefficient is used as a similarity function to measurethe similarity between the object model and the object candidate This tracker have someadvantages such as real time capability robustness and simple implementation However itis very sensitive to influence of background information illumination changes andocclusions Therefore the applicability of tracker is limited in many real world complexconditions In order to deal with these problems in this thesis we first extract the suboptimal colors oftargets regions by using the K means clustering algorithm and then we use the correctedbackground weighted histogram CBWH method to reduce the interference of backgroundin target localization To deal with the partial and complete occlusion the Forward Backward theory and the Kalman filter are used Experimental results on various videosverify that the proposed method has better performance than the other recent methods Keywords mean shift tracking color histogram K means clustering algorithm Kalmanfilter

محمدرضا احمدزاده

سعيد صدري