[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمار نشریه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
آمار سایت
مقالات منتشر شده: 326
نرخ پذیرش: 63.2
نرخ رد: 36.8
میانگین داوری: 208 روز
میانگین انتشار: 344 روز
..
:: دوره 5، شماره 4 - ( 12-1396 ) ::
جلد 5 شماره 4 صفحات 40-23 برگشت به فهرست نسخه ها
جبران حرکت دوربین‌های کنترل نظارتی با استفاده از ثبت تصاویر متوالی در شناسایی خودروها
علی کرمی* ، محسن سریانی ، مسعود ورشوساز
دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده:   (3998 مشاهده)
تشخیص خودروها در تصاویر ویدئویی به‌عنوان یک موضوع کلیدی در مباحث بینایی کامپیوتر محسوب می‌گردد. فرض اصلی اکثر دوربین‌های نظارتی، ثابت بودن دوربین در حین فیلم‌برداری می‌باشد ولی اگر دوربین نظارتی به هر دلیلی مثلا براثر باد یا فشارهای بیرونی محیط اطراف دچار لرزش‌های مکرر شود دیگر روش‌های موجود برای شناسایی خودروها به‌درستی عمل نمی‌کنند. این موضوع باعث جابجا شدن پیکسل¬های تصویر و ایجاد نویز می¬شود که در اکثر مواقع باعث شناسایی عوارض ثابت به‌عنوان عوارض متحرک می¬گردد. هدف اصلی در این تحقیق استفاده از روش ثبت(هممرجع سازی) فریمهای متوالی با تصویر پس¬زمینه، برای حذف نویز و مشکل یادشده می¬باشد. روند کار به این صورت می‌باشد که بعد از استخراج فریم¬های متوالی و تصویر پس¬زمینه از طریق روش میانه‌گیری، تمام فریمهای موجود با تصویر پسزمینه ثبت شده و سپس با استفاده از تفریق پس¬زمینه به شناسایی خودروها پرداخته میشود. سه نوع داده برای پیاده¬سازی و ارزیابی توانایی روش پیشنهادی مورد استفاده قرار گرفته است. ویژگی اصلی این مجموعه داده¬ها لرزش¬های مکرر دوربین در حین فیلم‌برداری و متفاوت بودن تراکم خودروهای موجود در هر مجموعه میباشد. از معیار¬های HR,MODP,FAR و OR، برای ارزیابی روش¬ پیشنهادی در دو حالت با ثبت تصویر(روش پیشنهادی) و بدون ثبت تصویر استفاده شده است. به طورکلی دقت به‌دست‌آمده برای شناسایی خودروها با ثبت تصاویر و بدون ثبت تصاویر به‌طور متوسط بهترتیب 89 درصد و 76 درصد می‌باشد. بنابراین می‌توان با استفاده از روش ثبت تصاویر حدود 13درصد دقت شناسایی خودروها را افزایش داد.
واژه‌های کلیدی: ثبت تصاویر، شناسایی عوارض، تناظریابی، عوارض متحرک.
متن کامل [PDF 1776 kb]   (1311 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: فتوگرامتری
دریافت: 1395/3/8 | پذیرش: 1395/10/28 | انتشار: 1396/12/28
فهرست منابع
1. [1] A. Karamiani and N. Farajzadeh, "Optimal feature points for tracking multiple moving objects in active camera model," Multimedia Tools and Applications, pp. 1-19, 2015.
2. [2] J. K. Aggarwal and Q. Cai, "Human motion analysis: A review," in Nonrigid and Articulated Motion Workshop, 1997. Proceedings., IEEE, 1997, pp. 90-102. [DOI:10.1109/NAMW.1997.609859]
3. [3] M. Piccardi, "Background subtraction techniques: a review," in Systems, man and cybernetics, 2004 IEEE international conference on, 2004, pp. 3099-3104.
4. [4] R. Poppe, "Vision-based human motion analysis: An overview," Computer vision and image understanding, vol. 108, pp. 4-18, 2007. [DOI:10.1016/j.cviu.2006.10.016]
5. [5] A. Yilmaz, O. Javed, and M. Shah, "Object tracking: A survey," Acm computing surveys (CSUR), vol. 38, p. 13, 2006.
6. [6] J. S. Lim and W. H. Kim, "Detection and tracking multiple pedestrians from a moving camera," in Advances in Visual Computing, ed: Springer, 2005, pp. 527-534. [DOI:10.1007/11595755_64]
7. [7] J. Lim and W. Kim, "Detecting and tracking of multiple pedestrians using motion, color information and the AdaBoost algorithm," Multimedia tools and applications, vol. 65, pp. 161-179, 2013. [DOI:10.1007/s11042-012-1156-3]
8. [8] Y.-S. Hsieh, Y.-C. Su, and L.-G. Chen, "Robust moving object tracking and trajectory prediction for visual navigation in dynamic environments," in Consumer Electronics (ICCE), 2012 IEEE International Conference on, 2012, pp. 696-697.
9. [9] B. Jung and G. S. Sukhatme, "Detecting moving objects using a single camera on a mobile robot in an outdoor environment," in International Conference on Intelligent Autonomous Systems, 2004, pp. 980-987.
10. [10] A. Talukder, S. Goldberg, L. Matthies, and A. Ansar, "Real-time detection of moving objects in a dynamic scene from moving robotic vehicles," in Intelligent Robots and Systems, 2003.(IROS 2003). Proceedings. 2003 IEEE/RSJ International Conference on, 2003, pp. 1308-1313. [DOI:10.1109/IROS.2003.1248826]
11. [11] Y.-K. Jung, K.-W. Lee, and Y.-S. Ho, "Feature-based object tracking with an active camera," in Advances in Multimedia Information Processing—PCM 2002, ed: Springer, 2002, pp. 1137-1144. [DOI:10.1007/3-540-36228-2_141]
12. [12] M. Siam, R. ElSayed, and M. ElHelw, "On-board multiple target detection and tracking on camera-equipped aerial vehicles," in Robotics and Biomimetics (ROBIO), 2012 IEEE International Conference on, 2012, pp. 2399-2405. [DOI:10.1109/ROBIO.2012.6491329]
13. [13] D. D. Doyle, A. L. Jennings, and J. T. Black, "Optical flow background estimation for real-time pan/tilt camera object tracking," Measurement, vol. 48, pp. 195-207, 2014. [DOI:10.1016/j.measurement.2013.10.025]
14. [14] A. Kundu, C. Jawahar, and K. M. Krishna, "Realtime moving object detection from a freely moving monocular camera," in Robotics and Biomimetics (ROBIO), 2010 IEEE International Conference on, 2010, pp. 1635-1640. [DOI:10.1109/ROBIO.2010.5723575]
15. [15] A. Vavilin, L.-M. Ha, and K.-H. Jo, "Camera motion estimation and moving object detection based on local feature tracking," in Advanced Research in Applied Artificial Intelligence, ed: Springer, 2012, pp. 544-552. [DOI:10.1007/978-3-642-31087-4_56]
16. [16] M. Zaki and M. Youssef, "TNRAC: a system for tracking multiple moving non-rigid objects using an active camera," Signal, image and video processing, vol. 3, pp. 145-155, 2009. [DOI:10.1007/s11760-008-0066-3]
17. [17] B. Zitova and J. Flusser, "Image registration methods: a survey," Image and vision computing, vol. 21, pp. 977-1000, 2003. [DOI:10.1016/S0262-8856(03)00137-9]
18. [18] D. I. Barena and H. F. Silverman, "A Class of Algorithms for Fast Digital Registration," IEEE Transactions on Computers, vol. 21, pp. 179-186, 1972. [DOI:10.1109/TC.1972.5008923]
19. [19] H. G. Barrow, J. M. Tenenbaum, R. C. Bolles, and H. C. Wolf, "Parametric correspondence and chamfer matching: Two new techniques for image matching," DTIC Document1977.
20. [20] A. Goshtasby, "Image registration by local approximation methods," Image and Vision Computing, vol. 6, pp. 255-261, 1988. [DOI:10.1016/0262-8856(88)90016-9]
21. [21] A. Rosenfeld and A. C. Kak, Digital picture processing vol. 1: Elsevier, 2014.
22. [22] G. Stockman, S. Kopstein, and S. Benett, "Matching images to models for registration and object detection via clustering," Pattern Analysis and Machine Intelligence, IEEE Transactions on, pp. 229-241, 1982. [DOI:10.1109/TPAMI.1982.4767240]
23. [23] F. Li, G. Zhang, and J. Yan, "Coregistration based on SIFT algorithm for synthetic aperture radar interferometry," in Proceedings of ISPRS Congress, 2008.
24. [24] L. Xiaoming, Z. Lian, and H. Zhanyi, "SIFT based automatic registration of remotely-sensed imagery," Journal of remote sensing, vol. 10, pp. 885-892, 2006.
25. [25] A. Sedaghat, M. Mokhtarzade, and H. Ebadi, "Uniform robust scale-invariant feature matching for optical remote sensing images," Geoscience and Remote Sensing, IEEE Transactions on, vol. 49, pp. 4516-4527, 2011. [DOI:10.1109/TGRS.2011.2144607]
26. [26] A. Sedaghat and H. Ebadi, "Remote sensing image matching based on adaptive binning SIFT descriptor," Geoscience and Remote Sensing, IEEE Transactions on, vol. 53, pp. 5283-5293, 2015. [DOI:10.1109/TGRS.2015.2420659]
27. [27] M. A. Fischler and R. C. Bolles, "Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography," Communications of the ACM, vol. 24, pp. 381-395, 1981. [DOI:10.1145/358669.358692]
28. [28] J. L. Mundy and A. Zisserman, Geometric invariance in computer vision vol. 92: MIT press Cambridge, MA, 1992.
29. [29] N. Otsu, "A threshold selection method from gray-level histograms," Automatica, vol. 11, pp. 23-27, 1975.
30. [30] A. Hakeem, K. Shafique, and M. Shah, "An object-based video coding framework for video sequences obtained from static cameras," in Proceedings of the 13th annual ACM international conference on Multimedia, 2005, pp. 608-617. [DOI:10.1145/1101149.1101289]
31. [31] K. Gupta and A. V. Kulkarni, "Implementation of an automated single camera object tracking system using frame differencing and dynamic template matching," in Advances in Computer and Information Sciences and Engineering, ed: Springer, 2008, pp. 245-250. [DOI:10.1007/978-1-4020-8741-7_44]
32. [32] R. Kasturi, D. Goldgof, P. Soundararajan, V. Manohar, M. Boonstra, and V. Korzhova, "Performance evaluation protocol for face, person and vehicle detection & tracking in video analysis and content extraction (VACE-II)," Computer Science & Engineering University of South Florida, Tampa, 2006.
ارسال پیام به نویسنده مسئول



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Karami A, Seriani M, Varshosaz M. Compensating surveillance camera movements using sequential image registration for car detection. jgit 2018; 5 (4) :23-40
URL: http://jgit.kntu.ac.ir/article-1-541-fa.html

کرمی علی، سریانی محسن، ورشوساز مسعود. جبران حرکت دوربین‌های کنترل نظارتی با استفاده از ثبت تصاویر متوالی در شناسایی خودروها. مهندسی فناوری اطلاعات مکانی. 1396; 5 (4) :23-40

URL: http://jgit.kntu.ac.ir/article-1-541-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 5، شماره 4 - ( 12-1396 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.06 seconds with 38 queries by YEKTAWEB 4660