ترجمه مقاله تشخیص شی در حال حرکت در زمینه پویا

ترجمه مقاله تشخیص شی در حال حرکت در زمینه پویا

تشخیص شی در حال حرکت در زمینه پویا- 2014

(17 صفحه متن ترجمه شده به همراه متن اصلی و انگلیسی مقاله)

چکیده :

یک روش جدید تشخیص شی در حال حرکت در زمینه پویا است که در این مقاله ارائه شده است. در ابتدا، الگوریتم تطبیقی هریس در این مقاله برای استخراج ویژگی نقاط،پیشنهاد شده است و پس از آن الگوریتمغربالگری برای توصیف ویژگی نقاط استخراج شده استفاده می شود. تابع شباهت نیز برای مطابقت با ویژگی نقاط ، استفاده می شودو الگوریتم RANSAC برای از بین بردن انطباق های شبیه استفاده شده است. با توجه به این همسان سازی، ما ماتریس تبدیل تکراری را جهات استفادهبرای جبران حرکت درپی زمینه ناشی از حرکت دوربین استفاده می کنیم و پس زمینه پویا را با مدل پس زمینه به روز رسانی می کنیم . در نهایت شی در حال حرکت را می توان با استفاده از روش تفاضل پس زمینه شناسایی نمود . نتایج تجربی نشان می دهد که این روش، دقت استخراج ویژگی های نقاط و تشخیص حرکت هدف را در پس زمینه پویا با دقت بالایی دارد.

کلمات کلیدی:

الگوریتم غربال کردن هریس، تصحیح حرکت مدلسازی سابقه و هدف، تشخیص حرکت شی

1-مقدمه :

تشخیص شی در حال حرکت جهن استخراج ویژگی نقاط در بیناییی کامپیوتر بسیار مهم است . در حال حاظر روش های اصلی جهت تشخیص شی در حال حرکت در پس زینه پویا براساس جریان نوری و جبران حرکتی می باشد . علاوه بر این ، روش هایی مانند تقسیم بندی حرکتی و منطق جنبشی یکپارچه پیشنهاد شده و نوع دیگری از روش بر اساس اختلاف بین ویژگی های نقاط از جشم در حال حرکت و پس زمینه آن است که معمولا این دسته ندی ، دو نوع ازنقاط را با الگوریتم مربوط به الگو به رسمیت می شناسد و عیب روش جریان نوری نیاز به محاسبات بزرگ نیاز دارد که الزامات سخت افزاری را می خواهد . جبران حرکت به طور گسترده ای استفاده می شود و همچنین روش های مختلف برای به دست آوردن پارامتر های حرکت مانند الگوریتم های طرح ریزی و الگوریتم ویژگی و الگوریتم بلوک کلاسیک وجود دارد . در این مقاله ما به وطر عمده در ویژگی الگوریتم تمرکز نموده ایم . مساحت و لبه و ویژگی نقطه یا گوشه فضای مورد نظر نیز استفاده می شود . استخراج گوشه از روش الگوریتم موراوک انجام می شود که توسط موراوک پیشنهاد شده است . این ساده بوده و ناشی از تعبیر ناپذیری چرخشی و حساسیت به سر و صدا را ندارد که منجر به استفاده به ندرت از آن می شود. یکی از گونه ها به طور گسترده مورد استفاده در الگوریتم تشخیص هریس است. اگه چه زمانبیشتر در آن صرف محاسبات الگوریتم موراوک می شود ، آن مشکلات سابق را حل می کنند. در حالی که الگوریتمهریس خود ، محدودیت هایی شامل آستانه ثابت و مقیاسی بدون تغییر ناپذیری را دارد . برای مشکل آستانه ثابت ،پیشنهاد برای تنظیم آستانه به مقدار 01/0 زمان بوده که برابر حداکثر گوشه پاسخ می باشد و این مقدار P را بهبود می بخشد . روش آستانه براساس دو متغیر ارائه شده است . روش های بالا تنها با استفاده کامل از حداکثر محل تابع و پیشنهادی به مجموعه آستانه با مقدار K برای میانگین حداکثر تابع پاسخ محلی اقدام نموده ایم که در اینجا K مقدار ثابت است . مقایسه با الگوریتم هریس سنتی نسان می دد که این روش دقت تشخیصبالایی دارد . توزین دقت تشخیص و زمان واقعی با تشخیص گوشه ها الگوریتم آستانه هریس و با استفاده از الگوریتم غربال کردن این گوشه توصیف می شود . هنگامی که با استفاده از تفریق پس زمینه برای استخراج جسم در حال حرکت اقدام می شود ، گام کلیدی به روز رسانی پس زمینه است . روش ما در این مقاله مورد استفاده قرار گرفته و بازده استخراج را بهبود بخشیده است.

Moving Object Detection in Dynamic Background

Abstract: A new method of detecting moving object in dynamic background is proposed in this paper. At first, an adaptive

threshold Harris algorithm is proposed in this paper to extract feature points, then, SIFT algorithm is used to describe theseextracted feature points. The similarity function is used to match feature points and RANSAC algorithm is used to eliminate thepseudo matches. According to the correct matches, we get the affine transformation matrix which used to compensate the motionof background caused by camera motion, and update the dynamic background with the background model. Finally, the movingobject can be detected by background subtraction method. Experimental results show that the method presented in this paperimproves the accuracy of feature point extraction and detects moving target in dynamic background accurately.Key Words: Harris-SIFT Algorithm, Motion Compensation, Background Modeling, Moving Object Detection