قیمت پروژه : 69,700 تومان
توضیحات پروژه
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شددارای 22 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه و مراکز دولتی می باشد.
این پروژه توسط مرکز مرکز پروژه و مقالات ارائه میگردد
توجه : در صورت مشاهده بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي ،به هيچ وجه بهم ريختگي وجود ندارد
بخشی از متن :
- 2014
(17 صفحه متن شده به همراه متن اصلی و انگلیسی )
چکیده :
یک روش جدید تشخیص شی در حال حرکت در زیمنه پویا است که در این ارائه شده است . در ابتدا ، الگوریتم تطبیقی هریس در این برای استخراج ویژگی نقاط ،پیشنهاد شده است و پس از آن الگوریتم غربالگری برای توصیف ویژگی نقاط استخراج شده استفاده می شود .تابع شباهت نیز برای مطابقت با ویژگی نقاط ،استفاده می شود و الگوریتم RANSAC برای از بین بردن انطباق های شبیه استفاده شده است . با توجه به این همسان سازی ، ما ماتریس تبدیل تکراری را جهات استفاده برای جبران حرکت درپی زمینه ناشی از حرکت دوربین استفاده می کنیم و پس زمینه پویا را با مدل پس زمینه به روز رسانی می کنیم . در نهایت شی در حال حرکت را می توان با استفاده از روش تفاضل پس زمینه شناسایی نمود . نتایج تجربی نشان می دهد که این روش ، دقت استخراج ویژگی های نقاط و تشخیص حرکت هدف را در پس زمینه پویا با دقت بالایی دارد.
کلمات کلیدی :الگوریتم غربال کردن هریس ، تصحیح حرکت مدلسازی سابقه و هدف ، تشخیص حرکت شی.
1-مقدمه :
تشخیص شی در حال حرکت جهن استخراج ویژگی نقاط در بیناییی کامپیوتر بسیار مهم است . در حال حاظر روش های اصلی جهت تشخیص شی در حال حرکت در پس زینه پویا براساس جریان نوری و جبران حرکتی می باشد . علاوه بر این ، روش هایی مانند تقسیم بندی حرکتی و منطق جنبشی یکپارچه پیشنهاد شده و نوع دیگری از روش بر اساس اختلاف بین ویژگی های نقاط از جشم در حال حرکت و پس زمینه آن است که معمولا این دسته ندی ، دو نوع از نقاط را با الگوریتم مربوط به الگو به رسمیت می شناسد و عیب روش جریان نوری نیاز به محاسبات بزرگ نیاز دارد که الزامات سخت افزاری را می خواهد . جبران حرکت به طور گسترده ای استفاده می شود و همچنین روش های مختلف برای به دست آوردن پارامتر های حرکت مانند الگوریتم های طرح ریزی و الگوریتم ویژگی و الگوریتم بلوک کلاسیک وجود دارد . در این ما به وطر عمده در ویژگی الگوریتم تمرکز نموده ایم . مساحت و لبه و ویژگی نقطه یا گوشه فضای مورد نظر نیز استفاده می شود . استخراج گوشه از روش الگوریتم موراوک انجام می شود که توسط موراوک پیشنهاد شده است . این ساده بوده و ناشی از تعبیر ناپذیری چرخشی و حساسیت به سر و صدا را ندازد که منجر به استفاده به ندرت از آن می شود .یکی از گونه ها به طور گسترده مورد استفاده در الگوریتم تشخیص هریس است . اگه چه زمان بیشتر در آن صرف محاسبات الگوریتم موراوک می شود ، آن مشکلات سابق را حل می کنند. در حالی که الگوریتم هریس خود ، محدودیت هایی شامل آستانه ثابت و مقیاسی بدون تغییر ناپذیری را دارد . برای مشکل آستانه ثابت ، پیشنهاد برای تنظیم آستانه به مقدار 01/0 زمان بوده که برابر حداکثر گوشه پاسخ می باشد و این مقدار P را بهبود می بخشد . روش آستانه براساس دو متغیر ارائه شده است . روش های بالا تنها با استفاده کامل از حداکثر محل تابع و پیشنهادی به مجموعه آستانه با مقدار K برای میانگین حداکثر تابع پاسخ محلی اقدام نموده ایم که در اینجا K مقدار ثابت است . مقایسه با الگوریتم هریس سنتی نسان می دد که این روش دقت تشخیص بالایی دارد . توزین دقت تشخیص و زمان واقعی با تشخیص گوشه ها الگوریتم آستانه هریس و با استفاده از الگوریتم غربال کردن این گوشه توصیف می شود . هنگامی که با استفاده از تفریق پس زمینه برای استخراج جسم در حال حرکت اقدام می شود ،گام کلیدی به روز رسانی پس زمینه است . روش ما در این مورد استفاده قرار گرفته و بازده استخراج را بهبود بخشیده است .
Moving Object Detection in Dynamic Background
Abstract: A new method of detecting moving object in dynamic background is proposed in this paper. At first, an adaptive
threshold Harris algorithm is proposed in this paper to extract feature points, then, SIFT algorithm is used to describe these extracted feature points. The similarity function is used to match feature points and RANSAC algorithm is used to eliminate the pseudo matches. According to the correct matches, we get the affine transformation matrix which used to compensate the motion of background caused by camera motion, and update the dynamic background with the background model. Finally, the moving object can be detected by background subtraction method. Experimental results show that the method presented in this paper improves the accuracy of feature point extraction and detects moving target in dynamic background accurately. Key Words: Harris-SIFT Algorithm, Motion Compensation, Background Modeling, Moving Object Detection
: Abstract
A new method of detecting moving object in dynamic background is proposed in this paper. At first, an adaptivethreshold Harris algorithm is proposed in this paper to extract feature points, then, SIFT algorithm is used to describe theseextracted feature points. The similarity function is used to match feature points and RANSAC algorithm is used to eliminate thepseudo matches. According to the correct matches, we get the affine transformation matrix which used to compensate the motionof background caused by camera motion, and update the dynamic background with the background model. Finally, the movingobject can be detected by background subtraction method. Experimental results show that the method presented in this paperimproves the accuracy of feature point extraction and detects moving target in dynamic background accurately.Key Words: Harris-SIFT Algorithm, Motion Compensation, Background Modeling, Moving Object Detection
برای دریافت پروژه اینجا کلیک کنید
ساعات ارسال پیام : از ساعت 10 الی 24
پروژه های تصادفی
کلمات کلیدی
تگ های محصول
