هدف ما روشی خود سازمانده برای حذف پس زمینه تصویر جهت کاربردهای نظارت تصویری

از حذف پس زمینه برای کشف آبجکت متحرک استفاده میشود پس از کشف آبجکت متحرک با TRACKنمودن آن میتوان رفتار آن را تحلیل نمود.

چالش هایی که روش های حذف پس زمینه با آن رو به رو هستند عبارت اند از:

۱-تغیرات نور

۲-پس زمینه متحرک

۳-سایه

۴-خودراه اندازی: خودراه اندازی به این معناست که روش با به اندازه ای کارا باشد که در صورت نبودن فریم های کافی در ابتدای کار بتواند نتایج قابل قبولی تولیدنماید

۵-استتار: الگوریم باید بتواند آبجکت های متحرکی را که در پس زمینه استتار می کنند بخوبی تشخیص دهد

روش هاش کلی حذف پس زمینه:

پارامتریک در مقابل غیرپارامتریک: مدل های پارامتریک رابطه تنگاتنگی با فرضیات دارد و اغلب کاملاً با داده های واقعی وابسته نیست انتخاب پارامترها نیز در این مدل دشوار است در مقابل مدل غیر پارامتریک انعطاف پذیر تر است و در آن وابستگی به دیتای واقعی بیشتراست.

Unimodalدر مقابل multimodal: مدل های background ساده فرض می کنند که مقادیر شدت پیکسل ها می توانند بوسیله یک توزیع unimodal ساده مدل شوند این مدل ها اغلب پیچیدگی کمتری دارند اما نمیتوانند پس زمینه های متحرک را هندل کنند در مقابل multimodal قادر به هندل کردن پس زمینه های متحرک است اما پیچیدگی بیشتری دارد.

بازگشتی در مقابل غیر بازگشتی: تکنیک های غیر بازگشتی یک دنباله از فریم های متوالی را دریک بافر ذخیره می کنند و مدل پس زمینه با استفاده از تغییر موقت هر پیکسل درون بافر تخمین زده می شود در حالیکه تکنیک های بازگشتی یک مدل پس زمینه واحد را براساس فریم ورودی بروز می نمایند.در تکنیک غیر بازگشتی پس زمینه بخوبی با تغییرات احتمالی منطبق است اما نیازمندی به حافظه برای نگهداری فریم ها می تواند بعنوان یک چالش مطرح باشد.در تکنیک بازگشتی پیچیدگی حافظه کمتر است اما فریم های ورودی از گذشته های دور بر مدل background کنونی تاثیر میگذارند بنابراین هر خطایی در مدل پس زمینه برای مدت زیادی باقی خواهد ماند.

Pixel-basedدر مقابل region-based: روش های Pixel-basedفرض می کنند دنباله مشاهدات برای هر پیکسل مستقل است اما در روش region-basedتصویر به نواحی سگمنت می شود.

روشی خود سازمانده برای حذف پس زمینه تصویر جهت کاربردهای نظارت تصویری

A Self-Organizing Approach to Background Subtraction for

Visual Surveillance Applications

Published in: IEEE Transactions

Date of Publication: Image Processing, Vol. 17, No. 7, July 2008

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

مشخصات شبیه ساز:

کارشناس ارشد الکترونیک

دانشگاه تهران

محتویات :

– الگوریتم مقاله بهمراه گزارش فارسی در قالب word

–پیاده سازی شده در متلب (M-File)

– اصل مقاله

دانلود فایل