بخشی از مقاله
چکیده
در این مقاله، یک روش جدید برای رهگیری شیء متحرک پیشنهاد داده میشود. در ابتدا، یک شیء متحرک توسط کاربر انتخاب شده و سپس سگمنت بندی میشود و سپس رنگ غالب از هدف سگمنت بندی شده استخراج میشود. در بخش رهگیری، ساختار مدل حرکتی با سیستم فیلتر کالمن تطبیقی ست میشود. سپس، رنگ غالب شیء متحرک در فضای رنگ HIS بهعنوان ویژگی برای تشخیص شیء متحرک در فریمهای متوالی مورداستفاده قرار میگیرد.
نتایج تشخیص بهصورت بازخورد برای تخمین پارامترهای فیلتر کالمن تطبیقی بهمنظور تنظیم ضریب جفت شدهگی مورداستفاده قرار میگیرد. روش پیشنهادی قادر است شیء متحرک را در شرایط پیچیدهی دنیای واقعی مطمئنی رهگیری کند. همچنین در شرایطی مانند شیء متحرک سریع، تغییر روشنایی، تغییر جهت و تغییر سرعت ناگهانی شیء متحرک بهخوبی عمل میکند.روش پیشنهادی یک الگوریتم مؤثر در رهگیری تصاویر ویدیوئی است.
-1 مقدمه
در سالهای اخیر تحقیقات فراوانی درزمینهی رهگیری اشیاء متحرک صورت پذیرفته است.رهگیری شیء متحرک در سیستم-های ویدیویی موضوع بسیار مهمی است. مانند نظارت، گزارش ورزشی، حاشیهنویسی ویدیویی و سیستم مدیریت ترافیک. بههرحال اگر پسزمینه و شیء متحرک خیلی پویا باشد. در آنالیز ویدیویی ما باید اطلاعاتی در مورد ویژگیهای شیء متحرک داشته باشیم؛ مانند رنگ، بافت و ... در این صورت میتوانیم شیء متحرک را تشخیص داده و رهگیری کنیم. شرایطی برای ویدیو در محیط دنیای واقعی وجود دارد مانند اینکه لنز دوربین ثابت است یا متحرک، چندین شیء متحرک، شیء انعطاف پذیر یا غیر انعطافپذیر. جفت شدهگی با یک شی دیگر، یک یا چندین دوربین، رهگیری اتوماتیک کامل و یا نیمه اتوماتیک و غیره. با توجه به بحث بالا، ما به این نتیجه میرسیم که در رهگیری شیء متحرک ما به سه مسئله برخورد میکنیم.
*سگمنت بندی اولیهی شیء متحرک
* تشخیص شیء متحرک
* رهگیری هدف متحرک در جفتشدگی
در این مقاله ما از روش نیمه اتوماتیک استفاده کردهایم. در محیط یک پسزمینهی ساکن ما از تفاضل دو فریم متوالی برای استخراج شیء متحرک استفاده میکنیم .برای سادگی، برای حل این مسئله فرض شده است که پسزمینه ثابت باشد. برای تشخیص شیء متحرک، اکثر روشها براساس ویژگیهای مانند رنگ، بافت، شکل و لبه و حرکت عمل میکنند. بهطورکلی در 20]، 17، 14، [9 از ویژگی رنگ استفادهشده است؛ و این در حالی است که ادراک بشر حساس به رنگ است ما وقتی تنها از ویژگی رنگ استفاده میکنیم با این محدودیت مواجه هستیم که الگوریتم تشخیص شیء متحرک برای شناسایی هدفهای بهطور مؤثر عمل میکند که دارای رنگ یکنواخت هستند.
روشی را که [2] CHOI پیشنهاد داد، باوجوداینکه با استفاده از فیلتر کالمن محدودهی جستجو را برای تشخیص شیء متحرک کاهش میداد ولی نمیتوانست برای حل مشکل جفت شدهگی هدف مورداستفاده قرار گیرد. همچنین روشهای مختلفی برای رفع مشکل جفتشدگی ارایه شد که اکثر آنها روشهای پیچیده و گرانقیمتی بودند و برخی آنها در حل مسائل دنیای واقعی کاربرد نداشتند. ما در این مقاله یک روش ساده و مؤثر با استفاده از فیلتر کالمن را ارایه میدهیم که میتوان از آن در محیط واقعی نیز استفاده شود.
-2 روش پیشنهادی
در این مقاله، شی متحرک توسط کاربرد انتخاب میشود. زیرا ممکن است بیش از یک شی متحرک وجود داشته باشد. بعد از انتخاب شی متحرک، ما آن را بهوسیلهی تفریق 3 فریم متوالی t-1، t، t+1 سگمنت بندی میکنیم سپس الگوریتم REGION GROWING را روی شیء موردنظر اعمال میکنیم و بعد رنگ غالب را در فضای رنگ RGB بهوسیله اعمال الگوریتم k-means به دست میآوریم. سپس بهمنظور تشخیص شیء متحرک در فریمهای متوالی از فضای رنگ HIS استفاده میکنیم.
مهمترین ویژگی این فضای رنگ این است که نسبت به تغییرات نور مقاومت - حساسیت کمتری دارد - است. به علاوه، ما الگوریتم یک فیلتر کالمن تطبیقی را پیشنهاد میکنیم که بهطور مؤثر رهگیری شیء متحرک را انجام میدهد. نسبت مساحت شیء متحرک در فریم t به t-1 بهعنوان ضریب جفتشدگی مورداستفاده قرار میگیرد. ضریب جفتشدگی بهصورت تطبیقی برای تنظیم پارامترهای تخمینی فیلتر کالمن مورداستفاده قرار میگیرد شکل شماره 1 ساختار این سیستم را نمایش میدهد.
1-2 سگمنت بندی اولیهی جسم متحرک و استخراج ویژگی
هدف سگمنت بندی اولیهی شیء متحرک است و استخراج ویژگی شیء انتخاب شده برای این منظور ما از روش سنتی تفاضل فریمها و region growing استفاده میکنیم.
1-1-2 تفاضل فریمها و Region growing
تفاضل فریمها یک روش ساده برای سگمنت بندی شیء متحرک در تصاویر ویدیوئی است. بعدازاینکه کاربر یک شیء متحرک را بهعنوان هدف انتخاب کرده سگمنت بندی هدف بهوسیلهی تفاضل فریمهای t+1, t , t-1 صورت میپذیرد. از تفاضل فریمها بهمنظور تعیین فضای تغییریافته در فریم های متوالی استفاده میکنیم. تفاضل فریمها را میتوان بهصورت زیر تعریف کرد. بعد از به دست آوردن ناحیهی متحرک در فریمهای t,t-1 و t+1,t بهوسیله رابطهی زیر اشتراک، بین دو ناحیه به دست میآید. سپس با استفاده از Closing ناحیه شیء متحرک را بهصورت یک ناحیهی متصلبههم درمیآوریم که در شکل شمارهی 2 نمونهای از این روش آمده است.
