پایان نامه با کلید واژگان شرایطی محیطی، فیلتر کالمن، ساختار داده

دانلود پایان نامه ارشد

پس زمینه در زیر اشاره شده اند.

-1 به روز رسانی به صورت تصادفی : در این روش هر بـار تعـدادی از نقـاط پـس زمینـه بـه طـور تصادفی انتخاب شده، مقادیر آن پیکسلها در تصویر پس زمینه با مقادیر معادل از تصویر جاری جایگزین میشوند. از مزایای این روش نیاز محاسباتی کم و سرعت بالای آن است. ولی همانطور که میتوان حدس زد این روش از دقت زیادی برخوردار نیست و تغییرات به کندی صورت میگیرد و ممکن اسـت تغییـرات بی جهت اعمال شده و در نتیجه تصویر نا مطلوبی به وجود آید.[38] برای این روش لازم اسـت کـه ابتـدا یک تصویر اولیه تقریبی از زمینه وجود داشته باشد، در غیر این صورت اجازه به روز رسانی به پیکسلهای تصویر اولیه که در آن خودرویی وجود داشته نیز داده نمی شود.
-2 به روز رسانی به صورت میانگین : یک روش بهتـر بـرای بـه روز رسـانی زمینـه، دخالـت دادن اطلاعات گذشته فریمها و تعیین مناسب برای هر پیکسل از تصویر پس زمینه با توجـه بـه چنـدین فـریم قبل است. به این ترتیب که به ازای هر واحد (پیکسل یا بلوک) میانگین مقادیر واحدهای معادل در چنـد فریم گذشته محاسبه شده و جایگزین مقادیر مربوطه در تصویر پس زمینه میشود. بهتر است نرخ بـه روز رسانی تصویر پس زمینه با توجه به شرایطی محیطی مثلاً زمان تعیین شود (به عنـوان نمونـه در سـاعات نزدیک به غروب یا طلوع نرخ به روز رسانی بیشتر باشد).

میزان تأثیر گذاری هر فریم میتواند متغیر باشد و در واقع میانگین گیری به صـورت وزن دار و بـه منظور افزودن تأثیر فریمهای جدیدتر صورت میگیرد. از معایب این روش حساسیت زیاد آن به آسـتانه و تأثیر بی مورد خودروها در زمینه است. زیرا هنگامی کـه یـک خـودرو از یـک ناحیـه (یـا پیکـسل) عبـور میکند، در مقدار میانگین روشنایی آن ناحیه تأثیر میگذارد و هر چه سرعت خـودرو کمتـر و یـا میـزان ترافیک بیشتر باشد، این اثرگذاری نامطلوب نیز بیشتر خواهـد شـد. در واقـع ممکـن اسـت در ایـن روش برخی از اشیاء ثابت مانند اتومبیلی که برای مدت کوتاهی توقف کرده است، به عنوان پـس زمینـه دسـته بندی شوند.

-3به روز رسانی انتخابی : در این روش سعی مـیشـود مـشکل روش بـه روز رسـانی میـانگین بـه طریقی حل شود و تنها پیکسلهایی که واقعاً متعلق به زمینه هستند، به روز رسانی شوند. الگوریتم کار به این شکل است که ابتدا تفاضل فریم جاری از تصویر پس زمینه گرفته میشود تا حرکتها تـشخیص داده شوند سپس این مقادیر تفاوت با یک مقدار آستانه مقایسه میشوند. در صورت کمتر بودن اختلاف از حـد آستانه، آن پیکسل در به روز رسانی زمینه به حساب میآید.

مشکل اساسی این روش آن است که حرکت یا سکون تنها برای لبهها مشخص میشـود و بـرای سایر پیکسلهایی که متعلق به سطح شیء متحرک است اطلاعی به دست نمی آید و بایـد بـه نـوعی بـه صورت درون یابی پیکسل های سطح شیء را تشخیص داده و آنها را نیز به عنـوان نقـاط متحـرک دسـته بندی نمود.

68

(3-1-5-5 لبههای متحرک

یکی دیگر از روشهای تعیین تغییرات، تشخیص لبههای متحرک است. در واقع این روش ادغـامی است از گرادیان زمانی و گرادیان مکانی، که با یک AND منطقی ترکیب شدهاند. این AND میتوانـد بـه شکل ضرب پیادهسازی شود و بنابراین میزان تحرک لبه در یـک نقطـه از فـریم (E(x,y,t بـه شـکل زیـر بدست میآید:

(3-5)

E(x,,y,t).D(x,,y)
dF(x, y,t)
.
dF(x, y,t)
Et (x, y,t)

dt

dS

کـه در آن dF(x,y,t) / dt(x,y,t) / dS مقـادیر گرادیـانهـای مکـانی و زمـانی از پیکـسل (p(x,y,t

هستند. به عنوان گرادیان مکانی میتوان از روشهای مختلف تعیـین لبـه و بـه جـای گرادیـان زمـانی از تفاضل فریمهای متوالی استفاده نمود. در واقع برای انتخاب یک نقطه به عنوان لبـه متحـرک، دو ویژگـی لبه بودن و متحرک بودن آن مد نظر است که باید مصالحه ای بین آنها صورت بگیرد. این مصالحه با یـک مقدار آستانه که میزان توجه به لبههای ضعیف با حرکت زیاد یا لبـههـای قـوی بـا حرکـت کـم را نـشان میدهد، اعمال میشود.[39]

(2-5-5 جداسازی و مدلسازی

نتیجه حاصل از بخش تشخیص تغییرات در این مرحله مورد پردازش قرار میگیرد تا به نوعی یـک جداسازی در بین اشیاء متحرک صورت گیرد. در این مرحله خودروها از هم جدا شده، بـرای هـر خـودرو یک مشخصه جهت ردگیری استخراج میشود. جداسازی خودروها ممکن است بر اساس اطلاعات حرکتی آنها، رنگ و شدت روشنایی، شکل ناحیه تغییرات و … صـورت گیـرد. از جملـه مشخـصههـایی کـه بـرای ردگیری خودرو استخراج میشود، میتوان به مرز، مرکز ثقل، چند ضلعی محیطی،الگوی شکل خودرو و …

اشاره کرد.

(3-5-5 پیشگویی موقعیت

هدف از این مرحله، پیشگویی موقعیت شیء متحرک در فریم جاری با توجه بـه فـریمهـای قبلـی است. دلیل انجام این فاز نیز داشتن یک تخمین از محل وقوع شیء برای کم کردن هزینه جستجو در کل فریم میباشد، در واقع وجه تمایز روشهای مبتنی بر ردگیری با روشهای مبتنی بر ناحیه ثابت در همین فاز است که در نهایت باعث تعیین پویای ناحیه جستجو میشود. برای این کار معمولاً از روشهای آماری برای پیشگویی موقعیت شیء یا به عبارت کلی تر، برای تخمین حالت سیستم استفاده میشود. برنامههای تخمین حالت از یک مدل و یک تخمین زننده تشکیل شدهاند. مدل، نـوعی سـاختار اسـت کـه اطلاعـات مفیدی در مورد یک صحنه را نشان میدهد و یک تخمین زننده، مشابه موتور نرم افزاری اسـت کـه ایـن

69

ساختار داده را دستکاری میکند. دو نمونه متداول از تخمین زنندهها فیلتر کالمن1 و روش چگالش2 است که در ادامه معرفی شده اند.

پایان نامه
Previous Entries پایان نامه با کلید واژگان پردازش تصویر Next Entries منابع و ماخذ تحقیق آزمون فرضیه، ساختار سرمایه، بازده غیر عادی