هدف ما ،شناسایی انسان بر اساس هیستوگرام گرادیان جهت دار

در این مقاله یک روش جهت شناسایی انسان در تصاویر پیرامونی ارائه شده است. در روش پیشنهادی یک ویژگی کارآمد مبتنی بر  هیستوگرام جهت دار از تصاویر استخراج می شود تا بر اساس این ویژگی ها یک طبقه بند جهت شناسایی انسان آموزش داده شود.

در روش این مقاله ابتدا تصاویر در صورت نیاز نرمالیزه سازی رنگی می شوند. البته در مقاله گفته شده است که بهترین فضای رنگی فضایز رنگی RGB و یا Lab است و از آنجایی که تصاویر پایگاه داده رنگی هستند مناسب برای این کاربرد هستند. در مرحله بعد گرادیان تصویر در جهت های مختلف محاسبه می شود. برای محاسبه گرادیان از مشتقات مرتبه اول استفاده می شود.

نتایج :

در مقاله از دیتاست MIT که شامل patch های مختلفی از انسان می باشد برای آموزش طبقه بند svm بر اساس ویژگی های HoG استفاده می شود. این دیتاست شامل 924 تصویر با اندازه 128 در 64 می باشد.  تصاویر دیتاست MIT کلا همه دارای یک انسان در تصویر هستند. ما باید تصاویر دیگری داشته باشیم که شامل انسان نباشند. بنابراین ما از یک پایگاه داده دیگر که شامل تصاویر طبیعت هستند و در آنها انسان وجود ندارد استفاده می کنیم تا حالت دو کلاسه داشته باشیم و بتوانیم طبقه بند SVM را آموزش دهیم.

در ارزیابی عملکرد روش مقاله، ما دقت و ماتریس درهم ریختگی را محاسبه می کنیم. که دقت بدست آمده برای تشخیص انسان در مرحله تست برابر با 97.58 می باشد.

نتیجه گیری :

در این مقاله روشی بر اساس استخراج ویژگی های مبتنی بر جهت گرادیان ارائه شده است. این ویژگی ها برای تشخیص انسان در تصاویر پیرامونی استفاده شده است که نتایج خوبی حاصل می شود.

شناسایی انسان بر اساس هیستوگرام گرادیان جهت دار  

Histograms of Oriented Gradients for Human Detection

Published in:  IEEE

Date of Publication: 2005

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

مشخصات شبيه ساز:

کارشناسی ارشد مهندسی پزشکی

دانشگاه تهران

محتويات:

• اصل مقاله
• پياده سازي با Matlab
• ضميمه کردن گزارش فارسي و نتايج بصورت Word
• ضميمه کردن ديتابيس

دانلود فايل

فايل ويدئويي متخصص؛ نيز موجود ميباشد که در صورت نياز و با پرداخت جداگانه ايميل ميشود

Papersim2015@gmail.com