هدف رهگیری اهداف چندگانه با استفاده از فیلتر ذره ای حاشیه ای بهبود یافته مبتنی بر PSO

در این پروژه با بکار بردن عملیات رهگیری اهداف چندگانه و الگوریتم های پردازش تصویر ازقبیل KTL  و بااستفاده از فیلترهای:

۱. فیلتر کالمن

۲. فیلتر ذره ای

۳. فیلتر Rao-Balwellized یا فیلتر ذره ای حاشیه‌ای

رهگیری اهداف چندگانه ( Multiple Target Tracking)  مشخصاً هواپیما (حداکثر ۲ یا ۳ هدفه)  را انجام میشود، سپس این ۳ روش یادشده را از نظر دقت (صحت) و سرعت ردیابی باهم مقایسه میشود.نهایتا روش فیلتر Rao-Balwellized، را با روش PSO بهینه سازی میگردد.

سال های اخیر با افزایش دوربین های فیلمبرداری وهمچنین افزایش نیاز برای تحلیل های خودکار ویدیویی، علاقه مندان زیادی را نسبت به خود جلب کرده است. بینایی ماشین با ترکیب روش های مربوط به پردازش تصویر و ابزارهای یادگیری ماشین، رایانه را قادر به درک هوشمند ومحتوای معنا تصاویر می کند.

در این تحقیق به منظور بهبود عملکرد الگوریتم فیلتر ذره ای از روش PSO بهره گرفته ایم. روش پیشنهاد شده، پس از انتخاب شی نظر مورد برای ردیابی،تعدادی ذره حول مرکز شی انتخاب شده فرستاده می شود، که هر ذره ویژگی هایی را با تشکیل پنجره ای به مرکزیت خودش از تصویر دریافت می کند،سپس وزن ذرات محاسبه می شوند، واضح است که ذراتی که شباهت بیشتری نسبت به مدل ابتدایی دارند از وزن بیشتری برخوردارند. حال در قسمت Resampling  با  اعمال الگوریتم نیروگرانشی بروی ذرات بهترین ذره را انتخاب میکند و در مرحله بعد حول مختصات نقطه جدید چندین ذره می فرستند. با ورود فریم بعد این ذرات جدید،مجددا برای محاسبه وزن مراحل بالارا تکرارمی کنند.

هدف این کار، کاهش مشکلات کار با فیلتر ذرهای و افزایش دقت در محاسبات است. با بررسی نتایج آزمایشات مشاهده میشود همانطور که مورد انتظار بود روش ترکیب فیلتر ذره با الگوریتم PSO با ثبات بیشتری نسبت به روش های مورد عمل می نماید. قابل ذکر است، این روش بر مبنای meanshift  پیاده سازی و مورد مطالعه قرار می گیرد.

عنوان پیاده سازی

 رهگیری اهداف چندگانه با استفاده از فیلتر ذره ای

حاشیه ای بهبود یافته مبتنی بر الگوریتم PSO

مشخصات شبیه ساز:

دکتری مخابرات

دانشگاه تهران

محتویات

• سورس کد Matlab
• دیتابیس
• گزارش فارسی و بسیار کامل
• نتایج

دانلود