کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6940871 870309 2016 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Unsupervised detection and tracking of moving objects for video surveillance applications
ترجمه فارسی عنوان
تشخیص و ردیابی اجسام متحرک برای برنامه های نظارت تصویری بدون نظارت
کلمات کلیدی
فیلتر ذرات، ردیابی اشیاء چندگانه، سیستم زمان واقعی تشخیص خودکار، انحراف نور نظارت تصویری،
ترجمه چکیده
اکثر روش های ردیابی شیئی که در زمینه نظارت تصویری استفاده می شوند، مبتنی بر شناسایی پیشین از اشیاء متحرک است. این روش ها برای ردیابی بسیاری از اشیاء مختلف در یک زمان مناسب نیست، زیرا الگوی هر شی متحرک باید از قبل تعریف شده باشد. بنابراین، این مقاله یک روش جدید برای غلبه بر این مشکل معرفی می کند. در واقع یک رویکرد زمان واقعی جدید بر اساس فیلتر ذرات و تفریق پس زمینه ایجاد شده است. این رویکرد قادر به شناسایی و پیگیری به صورت خودکار، اشیاء متحرک بدون فاز یادگیری یا دانش قبلی درباره اندازه، طبیعت یا موقعیت اولیه است. یک مطالعه تجربی بر روی چندین مجموعه آزمون های ویدئویی انجام شده است. نتایج به دست آمده نشان می دهد که روش جدید می تواند با موفقیت بسیاری از موقعیت های پیچیده را اداره کند. مقایسه با روشهای دیگر گزارش میدهد که رویکرد پیشنهادی در شناسایی اشیاء و همچنین ردیابی آنها سودمندتر است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
تشخیص و ردیابی اجسام متحرک برای برنامه های نظارت تصویری بدون نظارت
چکیده انگلیسی
Most object tracking methods applied in the video surveillance field are based on the prior pattern recognition of the moving objects. These methods are not adequate for tracking many different objects at the same time because the pattern of every moving object should be predefined. Thus, this paper introduces a new method to overcome this problem. Indeed, a new real time approach is established based on the particle filter and background subtraction. This approach is able to detect and track automatically, multiple moving objects without any learning phase or prior knowledge about the size, the nature or the initial position. An experimental study is performed over several video test sets. The obtained results show that the new method can successfully handle many complex situations. A comparison with other methods reports that the proposed approach is more advantageous in detecting objects as well as tracking them.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition Letters - Volume 84, 1 December 2016, Pages 70-77
نویسندگان
, , ,