دانلود شبیه سازی مقاله تشخیص حرکت با استفاده از روش شار نوری دو جهته

تشخیص حرکت با شار نوری

تشخیص حرکت، کاربرد گسترده ای در بینایی ماشینی و کامپیوتری جهت تحلیل صحنه های ویدئویی واقعی دارد. بخصوص، تعدادی از کاربردهای دید کامپیوتری معمول با نظارت بر ترافیک و افراد پیاده، کاوش روبوت اتوماتیک، شمارش هدف، تشخیص فعالیت انسانها، کار می کنند. هدف تشخیص جسم متحرک، متمایز سازی پیکسل های اشیاء پس زمینه متحرک از زمینه است. روش های تشخیص جسم متحرک را می توان به سه دسته تقسیم نمود: (1) متمایز سازی یا مشتق گیری فریم (2) کسر زمینه و (3) جریان نوری. اشیاء متحرک با استفاده از روش متمایز سازی فریم با محاسبه پیکسل به پیکسل بین فریم های متوالی تصاویر ویدئویی، شناسایی می شوند. این روش می تواند به نحو موثر، اشیاء را در محیط های چالش برانگیز مختلف آشکار سازی کنند، اما گاهی حفره هایی درون پس زمینه ایجاد می کند که به خاطر حرکت آرام یا توقف اشیای پس زمینه است و در نتیجه باعث مسائل محو شدن و شکاف در پس زمینه می شود. روش های تفریق یا کسر کردن زمینه نیز به نحو کارآمدی اشیاء متحرک را با مراحل مدل سازی زمینه و آستانه سازی تابع، آشکار سازی می کند. اما این روش، در سناریوهای مختلف بخاطر عدم وجود مدل زمینه تولید شده، ناموفق می باشد. سپس، رویکرد جریان نوری مبتنی بر بردار جریان برای محاسبه حرکت ظاهری شی بین فریم های متوالی استفاده می شود. این روش در تشخیص منابع هدف متحرک بسیار مقاوم است، اما نتایج غیردقیق برای اشیاء دارای حرکت آرام و محیط های دارای تغییرات در روشنایی حاصل می کند. بنابراین، یک روش تشخیص حرکت مقاوم با کمک جریان نوری برای تشخیص کارآمد و موثر اشیاء پس زمینه در محیط های چالش برانگیز مختلف، پیشنهاد می کنیم.

روش های مختلفی را برای تشخیص اشیاء متحرک تحلیل کردیم و دریافتیم که دقت آشکار سازی بخاطر تغییرات در روشنایی و اثر نویز و غیره، رضایت بخش نیست. بنابراین، روشی برای آشکار سازی جسم متحرک با استفاده از مجموعه داده های ویدئویی پیچیده، فیلم برداری شده با یک دوربین غیرمتحرک، ارائه می شود. رویکرد پیشنهادی ما تقریباً همه اشیاء پس زمینه را با آلارم کاذب کمتر، شناسایی می کند. این روش بهبودهایی در مقایسه با روش های موجود دیگر از نظر افزایش دقت و کاهش زمان پردازش دارد. نتایج تجربی و ارزیابی عملکردی نشان می دهند که روش ما می تواند به نحو موثر اشیاء کوچک و بزرگ با حرکت آرام و سریع را شناسایی کند. نتایج شبیه سازی نیز حاکی از اثربخشی روش پیشنهادی می باشد.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از نتایج خروجی آن قرار داده شده است: