هدف ما ، تشخیص سریع نابهنجاری در ویدئوی های نظارتی مبتنی بر الگوریتم spars optical flow

تشخیص سریع نابهنجاری در ویدئوی های نظارتی برای تجزیه و تحلیل ویدئو خیلی مهم می باشد. در روش ارائه شده از الگوریتمی برمبنای spars optical flow استفاده شده است. زمان محاسبه optical flow با استفاده از تفکیک نمودن پیش زمینه (forground) از پس زمینه (background) و همچنین ردگیری (tracking) نمونه های (good features) ویژه بهبود پیدا کرده است. همچنین از فیلتر forward-backward استفاده شده است. نسبت به روش های دیگر کانال ویژگی جدیدی به نام foregroung به ویژگی هر نمونه اضافه می گردد.

الگوریتم پیشنهادی

اساس الگوریتم به صورت شکل زیر می باشد. در هر لحظه که تصویر دریافت می شود پیش زمینه تصویر از پس زمینه ان جدا می گردد سپس ویژگی های فقط از foreground استخراج می گردد. در این پیاده سازی برای فیلتر کردن background فریم دریافتی در لحظه t با فریم در لحظه t-1 تفریق می گردد و سپس براساس یک مقدار threshold ، استانه گیری انجام می شود و به تصویر باینری تبدیل می شود. پیکسل های باقیمانده foreground تصویر را  در بر می گیرد. مقادیر بزرگتر در تفریق دو فریم متوالی نشان دهنده حرکت بیشتر در ان پیکسل می باشد. مقدار استانه در این پروژه ۱۰ درنظر گرفته شده است.

نتایج

در زیر سه تصویر وجود دارد. تصویر اول ردیابی ویژگی های پیش زمینه صحنه را در فاز train نشان می دهد. این ویژگی ها غالبا جزئی از عابرین پیاده در حال عبور می باشند. در تصویر دوم نتیجه حاصل از تشخیص انومالی در صحنه می باشد در اینجا انومالی عابری می باشد که سوار بر اسکیت در حال عبور است که به درستی تشخیص داده شده است. قابل ذکر است که ستاره مرکز یک بلاک است. در تصویر سوم نمودار نرخ false positive نسبت به true positive برای تعداد فریم های مختلف نمایش داده شده است.

Fast Anomaly Detection in Traffic Surveillance Video Based on Robust sparse Optical Flow

 تشخیص سریع نابهنجاری در ویدئوی های نظارتی مبتنی بر

الگوریتم spars optical flow

 Published in:  IEEE

Date of Publication: 2016

                                       برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناسی ارشد مخابرات

دانشگاه تبریز

محتویات:

• اصل مقاله
• پیاده سازی با Matlab
• ضمیمه کردن گزارش فارسی و نتایج
• ضمیمه کردن دیتابیس

دانلود فایل

توضیحات ویدیویی  نیز موجود میباشد که در صورت نیاز و با پرداخت جداگانه ایمیل میشود

Papersim2015@gmail.com