پایان نامه برق (مخابرات-سیستم):ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مهندسی برق گرایش برق-مخابرات

با عنوان :ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

برای رعایت حریم خصوصی نام نگارنده درج نمی شود

 

پایان نامه کارشناسی ارشد در رشته مهندسی برق (مخابرات-سیستم)

 

ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

 

 

اساتید راهنما

دکتر مهران یزدی

دکتر محمدعلی مسندی شیرازی

 

شهریور ماه 92

تکه هایی از متن به عنوان نمونه :

چکیده

 

 

ردیابی اشیاء متحرک چندگانه در تصاویر دوربین متحرک

 

به کوشش

 

محسن خیراندیش فرد

 

 

موضوع ردیابی اهداف یکی از مهمترین مسائل موجود در علم بینایی ماشین می باشد. مساله ردیابی اهداف چندگانه در تصاویر به دست آمده از دوربین متحرک در این پایان نامه مورد ارزیابی قرار گرفته است. برای حل کردن این مساله دو روش کلی در این پایان نامه ارائه شده است. روش اول عمدتا بر پایه الگوریتم های تطبیق بلوکی می باشد. در این روش با استفاده از جبران سازی حرکتی و دسته بندی حرکت های مختلف موجود در تصویر، نواحی مربوط به اهدف و پس زمینه مشخص خواهند شد. سپس عملیات ردیابی با استفاده از فیلتر کالمن صورت گرفته است. با توجه به نتایج به دست آمده، این روش توانایی ردیابی اهداف با دقت بسیار زیاد را در بیش تر شرایط دارا می باشد. دومین روش پیشنهادی اساسا بر گرفته از الگوریتم تطبیق نقطه ای شناخته شده ای به نام SIFT می باشد. در این روش با ایجاد تطبیق میان نقاط کلیدی ناحیه هدف و نقاط متناظر در فریم بعدی، سعی در یافتن ناحیه هدف در فریم های متوالی می شود. مساله ردیابی نواحی هدف در دنباله فریم به وسیله فیلتر کالمن صورت می پذیرد. با توجه به این که هدف در این روش به صورت محلی بررسی می شود، این روش در موقعیت های مختلف ردیابی از قبیل محو شدگی دارای توانایی زیادی می باشد. با توجه به نمودارها و جدول های می توان نتیجه گرفت که این روش از نظر دقت در بسیاری از موارد ردیابی عملکرد به مراتب قوی تری نسبت به اکثر روش های موجود دارد.

 

فهرست مطالب

 

صفحهعنوان
فصل 1     مقدمه—————————————————————— 1

1-1-         مقدمه ——————————————————————- 2

1-1-1-             ساختار سیستم های ردیابی ————————————————— 3

1-1-1-1-          دوربین ———————————————————————–   3

1-1-1-2-          هدف ————————————————————————- 5

1-1-2-             نحوه عملکرد سیستم های ردیابی ——————————————– 6

1-1-2-1-     الگوریتم های فاقد خاصیت پیش بینی———————————————–   6

1-1-2-2-     الگوریتم های دارای خاصیت پیش بینی———————————————– 7

1-2-         تعریف مساله و مشکلات پیش رو ———————————————— 8

1-3-         نحوه حل مساله ———————————————————— 10

1-4-         سر فصل ها ————————————————————— 11

فصل 2     مروری بر تحقیقات صورت گرفته ——————————————- 14

2-1-         مقدمه ——————————————————————- 15

2-2-         روش های مختص دوربین ثابت ———————————————– 15

2-2-1-               روش تفریق پس زمینه —————————————————– 15

2-3-         روش های قابل استفاده در دوربین متحرک ————————————- 17

2-3-1-   روش Mean Shift ———————————————————— 17

2-3-2-   روش CAM Shift ———————————————————— 20

2-3-3-   روش جریان بصری ————————————————————- 21

صفحهعنوان
فصل 3     الگوریتم های ارائه شده به منظور آشکار سازی ——————————– 24

3-1-         مقدمه ——————————————————————- 25

3-2-         الگوریتم پیشنهادی اول —————————————————– 26

3-2-1-               جبران سازی حرکتی به وسیله الگوریتم های تطبیق بلوکی ————————- 26

3-2-1-1-          مفهوم الگوریتم تطبیق بلوکی —————————————————– 27

3-2-1-2-          الگوریتم های جستجوی بلوک متناظر ———————————————- 29

3-2-1-3-          به دست آوردن ناحیه متحرک تصویر ———————————————– 33

3-2-2-               قطعه بندی تصویر به وسیله الگوریتم K-Means ——————————— 34

3-2-3-               نمودار جریان الگوریتم پیشنهادی اول —————————————— 37

3-3-         الگوریتم پیشنهادی دوم —————————————————– 39

3-3-1-               ساختن فضای مقیاس —————————————————— 41

3-3-2-               استفاده از تقریب LoG ————————————————- 44

3-3-3-               یافتن نقاط کلیدی در تصویر ————————————————- 46

3-3-4-               حذف نقاط کلیدی غیر موثر ————————————————- 47

3-3-4-1-          آشکارساز گوشه Harris ———————————————— 47

3-3-4-2-          حذف نقاط با تفکیک پذیری کم با استفاده از بسط تیلور —————————– 51

3-3-5-               جهت دهی به نقاط کلیدی انتخاب شده —————————————- 53

3-3-6-               ایجاد خصیصه های SIFT ————————————————— 54

فصل 4     ردیابی توسط فیلتر کالمن ———————————————— 56

4-1-         مقدمه ——————————————————————- 57

4-2-         فیلتر کالمن ————————————————————– 57

4-3-         نوع حرکت اهداف ———————————————————- 61

4-4-         استفاده عملی از فیلتر کالمن ————————————————- 62

صفحهعنوان
فصل 5       شبیه سازی و مقایسه —————————————————– 66

5-1-         مقدمه ——————————————————————- 67

5-2-         دنباله فریم های مورد استفاده ———————————————— 68

5-2-1-   دنباله فریم اول ————————————————————— 69

5-2-2-   دنباله فریم دوم ————————————————————— 71

5-2-3-   دنباله فریم سوم ————————————————————— 73

5-2-4-   دنباله فریم چهارم ————————————————————- 75

5-2-5-   دنباله فریم پنجم ————————————————————– 78

فصل 6     نتایج و پیشنهادات —————————————————— 82

6-1-         مقدمه ——————————————————————- 83

6-2-         نتیجه گیری ————————————————————– 83

6-3-         پیشنهادات ————————————————————— 84

فهرست منابع ——————————————————————– 86
 

 

 

 

 

 

 

 

فهرست جداول

 

عنوانصفحه
جدول 3-1 واریانس های مربوط به فیلتر های گاوسی —————————– 43
جدول 5-1 مقدار میانگین MSE در دنباله فریم شماره 1————————– 69
جدول 5-2 مقدار میانگین MSE در دنباله فریم شماره 2———————— 71
جدول 5-3 مقدار میانگین MSE در دنباله فریم شماره 3———————– 73
جدول 5-4 مقدار میانگین MSE در دنباله فریم شماره 4———————– 75
جدول 5-5 مقدار میانگین MSE در دنباله فریم شماره 5 ———————– 78

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

فهرست اشکال

 

عنوانصفحه
شکل شماره 2-1 الگوریتم تفریق پس زمینه ———————————— 16
شکل شماره 2-2 الگوریتم Mean Shift —————————————- 19
شکل شماره 2-3 الگوریتم CAM Shift —————————————- 21
شکل شماره 2-4 الگوریتم جریان بصری ————————————— 23
شکل شماره 3-1 الگوریتم تطبیق بلوکی ————————————— 29
شکل شماره 3-2 الگوریتم جستجوی سه مرحله ای —————————— 32
شکل شماره 3-3 یک مرحله از الگوریتم جستجوی سه مرحله ای روی یک فریم ——- 33
شکل شماره 3-4 نمودار جریان مربوط به روش پیشنهادی اول ———————- 37
شکل شماره 3-5 پردازش نهایی الگوریتم پیشنهادی اول ————————– 38
شکل شماره 3-6 تصاویر خروجی مراحل مختلف الگوریتم پیشنهادی اول ————- 39
شکل شماره 3-7 ایجاد فضای مقیاس و استفاده از تقریب DoG ——————— 45
شکل شماره 3-8 تعیین نقاط اکسترمم —————————————- 47
شکل شماره 3-9 محاسبه جهت نقاط همسایه اکسترمم ————————— 54
شکل شماره 3-10 محاسبه جهت نقاط در راستای 8 جهت اصلی و فرعی ————- 54
شکل شماره 3-11 ایجاد بردار توصیف گر SIFT ——————————— 55
شکل شماره 5-1 مقدار خطا با معیار MSE در دنباله فریم اول ——————— 69
شکل شماره 5-2 فریم های نمونه از دنباله فریم اول —————————— 70
شکل شماره 5-3 مقدار خطا با معیار MSE در دنباله فریم دوم ——————— 71
شکل شماره 5-4 فریم های نمونه از دنباله فریم دوم —————————— 72
شکل شماره 5-5 مقدار خطا هدف شماره 1 با معیار MSE در دنباله فریم سوم ——– 73
شکل شماره 5-6 مقدار خطا هدف شماره 2 با معیار MSE در دنباله فریم سوم ——– 74
شکل شماره 5-7 فریم های نمونه از دنباله فریم سوم —————————– 74
عنوانصفحه
شکل شماره 5-8 مقدار خطا هدف شماره 1 با معیار MSE در دنباله فریم چهارم ——- 76
شکل شماره 5-9 مقدار خطا هدف شماره 2 با معیار MSE در دنباله فریم چهارم ——- 76
شکل شماره 5-10 فریم های نمونه از دنباله فریم چهارم ————————– 77
شکل شماره 5-11 مقدار خطا هدف شماره 1 با معیار MSE در دنباله فریم پنجم —— 79
شکل شماره 5-12 مقدار خطا هدف شماره 2 با معیار MSE در دنباله فریم پنجم —— 79
شکل شماره 5-13 فریم های نمونه از دنباله فریم پنجم ————————— 80

 

 

 

 

فصل اول

 

 

 

مقدمه

 

 

 

 

 

 

 

 

 

 

 

 

1-1-      مقدمه

امروزه پیشرفت های علمی زندگی بشر را تحت تاثیرعمیقی قرار داده است. هم زمان با ورود تکنولوژی به زندگی شخصی افراد جامعه ، وجود وسایل و ابزارآلاتی که نقش رابط میان انسان و ماشین را بازی کنند، روز به روز بیش تر احساس می شود. یک نمونه از این وسایل دوربین[1] های فیلم برداری هستند. کاربرد وسیع این ادوات در جوامع امروزی ، به خصوص در کشورهای صنعتی تر غیرقابل انکار است. لذا امروزه بهبود کیفیت و امکانات دوربین ها به عنوان عامل مهمی در جهت افزایش کارایی آن ها در نظر گرفته می شود. یکی از مهم ترین شاخه های علمی که به بررسی این موارد می پردازد، علم بینایی ماشین[2] نام دارد.

یکی از اصلی ترین اهداف بینایی ماشین ، هوشمند سازی دوربین ها به منظور استفاده از آن ها در سیستم های نظارتی[3]، تجاری، نظامی و سایر کاربرد ها می باشد. به همین منظور مطالعات گسترده ای در راستای ایجاد روش های جدید هوشمند سازی و همچنین بهبود روش های موجود شده است. غالب این مطالعات بر روی آشکارسازی[4] و ردیابی[5] اهداف[6] متمرکز شده است. هدف کلی از انجام مطالعات این چنینی، کاهش حجم محاسبات و افزایش دقت در مراحل آشکارسازی و ردیابی می باشد. به طور کلی آشکارسازی هدف به معنی تشخیص ناحیه ای از تصویر است که بتواند به عنوان کاندیدایی[7] برای ناحیه هدف در نظر گرفته شود. به عنوان مثال : مشخص کردن مناطقی از تصویر که مربوط به پلاک خودرو می باشد و یا همچنین آشکارسازی نواحی از تصویر که می تواند به عنوان ناحیه ای مربوط به چهره انسان تلقی شود. همچنین منظور از ردیابی هدف آن است که ناحیه مورد نظر را در مجموعه فریم های متوالی نیز مشخص کنیم. به این ترتیب مسیر سیر کلی هدف در یک دنباله زمانی در طول فریم های متوالی تعیین خواهد شد.

در ادامه ضمن بحث، به معرفی اجمالی در مورد سیستم های ردیابی مختلف و اجزا تشکیل دهنده آن ها و همچنین نحوه عملکردشان خواهیم پرداخت.

 

1-1-1-             ساختار سیستم های ردیابی

سیستم های ردیابی مختلف بر اساس موارد کاربرد آن ها به دسته های مختلفی تقسیم می شوند. دوربین ها و اهداف از اجزا اصلی تشکیل دهنده این گونه سیستم ها می باشند. بنابراین همان گونه که این اجزا نقش تعیین کننده در نوع سیستم های ردیابی دارند، در تعیین نوع روش های مورد استفاده در این سیستم ها نیز از اهمیت بسیار بالایی برخوردار می باشند. سیستم ها بر اساس تعداد، نوع و همچنین دیگر شرایط دوربین ها و اهداف، دارای تفاوت های چشم گیری می باشند. به همین ترتیب این تفاوت ها در روش های ردیابی مورد استفاده در آن ها نیز به چشم می خورد. در ادامه به عواملی که در ایجاد این تغیرات موثر هستند خواهیم پرداخت.

 

1-1-1-1-                 دوربین

دوربین به عنوان اصلی ترین جز سیستم ردیابی وظیفه به وجود آوردن دنباله ای از فریم ها در طول زمان را دارد. نوع دوربین های به کار رفته شده ، تعداد و همچنین نحوه قرار گرفتن آن ها نقش بسیار زیادی در تعیین ظاهر فریم ها بر عهده خواهد داشت. این تاثیر گاهی به حدی می باشد که باعث ایجاد روش هایی با پایه و اساس متفاوت می گردد.

به عنوان نمونه روش های ردیابی در سیستم های با دوربین مرئی[8] کاملا متفاوت با روش های مورد استفاده در سیستم های با دوربین مادون قرمز[9] می باشد. این مساله از این حقیقت ناشی می شود که در دوربین های مادون قرمز به نوعی اطلاعات قبلی[10] از اهداف در اختیار است. به این معنی که در تصاویر به دست آمده از این دوربین ها، اهداف دارای شدت رنگ[11] قوی تری نسبت به محیط اطراف خود می باشند. در نتیجه از قابلیت تشخیص بیشتری برخوردار می باشند. هر چند که برخی الگوریتم های ارائه شده، قابل اعمال در تصاویر به دست آمده از هر دو نوع دوربین مرئی و مادون قرمز می باشند، کارایی این الگوریتم ها دراین تصاویر به طور چشم گیری متفاوت است.

به علاوه تعداد دوربین های مورد استفاده نیز یکی از عوامل بسیار مهم در تعیین روش مورد استفاده در ردیابی می باشد. وجود اختلاف در زاویه دید دوربین ها باعث ایجاد تصاویر مختلفی از زوایای مختلف از یک صحنه خاص می شود. در این شرایط یافتن نقاط متناظر در فریم های به دست آمده از تمام دوربین ها و همچنین کالیبره کردن [12]دوربین ها، امری ضروری می باشد. مشاهده می شود که این روش ها به طور کلی با روش های ردیابی بر اساس یک دوربین متفاوت است.

علاوه بر موارد ذکر شده در بالا، حرکت دوربین[13] نیز در برخی موارد باید در نظر گرفته شود. به این معنی که گاهی علاوه بر اهداف ، دوربین نیز دارای حرکت می باشد. در این موارد اجزا موجود در فریم های متوالی، نسبت به هم دارای حرکت می باشند. این در حالی است که پاره ای از این حرکات به واسطه متحرک بودن دوربین صورت گرفته و همچنین برخی نیز به واسطه وجود حرکت در اجسام می باشند. بنابراین هدف نهایی آن است که میان حرکاتی که به واسطه دوربین می باشد و حرکاتی که حقیقی هستند ایجاد تمایز کنیم. لزوم انجام این عمل از موارد اصلی می باشد که در ردیابی اهداف در سیستم های با دوربین ثابت در نظر گرفته نمی شود.

 

1-1-1-2-                 هدف

وجود اهداف، تکمیل کننده فرآیند ردیابی می باشد. نوع اهداف، تعداد آن ها و همچنین تغییر شکل ظاهری آن ها در دنباله فریم ها عوامل تعیین کننده ای در انتخاب روش ردیابی متناسب با سیستم می باشد. با توجه به این تفاوت های موجود در ساختار اهداف، روش های متفاوتی نیز ایجاد شده اند.

در برخی موارد ردیابی، هدف دارای خصوصیات خاص ظاهری می باشد. به عنوان نمونه گاهی ردیابی چهره انسان مد نظر است. چهره انسان دارای غالب[14] مشخصی متشکل از چشم ها، بینی و لب در صورتی با ظاهر بیضی گون می باشد. در آشکارسازی این موارد، الگوریتم تنها به دنبال نواحی از تصویر است که دارای قابلیت انطباق با غالب مورد نظر برای چهره انسان است. به این ترتیب همان گونه که دیده می شود، روش ارائه شده مخصوص ردیابی در همین حالت می باشد و با سایر روش های ردیابی به صورت کلی متفاوت است.

تعداد اهداف موجود در تصویر نیز یکی از عوامل مهم و تعیین کننده در الگوریتم های کاربردی ردیابی می باشد. با افزایش تعداد اهداف، مشکلات جدید و عمده ای در زمینه های آشکارسازی و ردیابی به وجود می آید. از مهمترین این مشکلات محو شدگی[15] اهداف و همچنین قرار گرفتن اهداف در موقعیت مشابه[16] می باشد. الگوریتم های ارائه شده با تمرکز بر این مشکلات، راه هایی برای حل آن ها ارائه کرده اند.

تغییر شکل[17] ظاهری هدف از عمده ترین مشکلات مرتبط با شرایط ظاهری آن است. به این معنی که گاهی اهداف دارای ساختار صلب[18] نیستند. بنابراین در فریم های متوالی ظاهر متفاوتی دارند. برای مثال ظاهر یک عابر پیاده در فریم های متوالی، دچار تغییرات ظاهری مختلفی می شود. این تغییرات در ظاهر اجسام صلبی مانند اتومبیل دیده نمی شود. بنابراین روش های پیشنهادی باید به گونه ای باشند که توانایی وفق یافتن با این تغییرات شرایط ظاهری اهداف را نیز داشته باشند.

1-1-2-             نحوه عملکرد سیستم های ردیابی

اگر چه در مطالب قبل اشاره شد که تغییرات در ساختار سیستم های ردیابی می تواند به تغییرات عمده در روش های ردیابی مورد استفاده منجر شود، این روش ها از بسیاری جهات و اصول اولیه دارای اشتراکات فراوانی هستند. عمده تفاوت این روش ها در نحوه اجرای مراحل کلی می باشد. در این پایان نامه به طور کلی الگوریتم های مورد استفاده در سیستم های ردیابی اهداف را بر اساس استفاده از قابلیت پیش بینی[19] به دو دسته اصلی تقسیم می کنیم. در ادامه به معرفی هر کدام از این دو دسته خواهیم پرداخت و مزایا و معایب آن ها را بیان می کنیم.

 

1-1-2-1-                 الگوریتم های فاقد خاصیت پیش بینی

اساس کار این دسته از الگوریتم ها بر تطبیق[20] می باشد. به این معنی که با مشخص شدن ناحیه هدف در هر فریم و رسیدن فریم بعدی، ناحیه ای از فریم بعدی که بیش ترین شباهت را با ناحیه مذکور دارد به عنوان ناحیه هدف در فریم بعدی در نظر گرفته می شود. به عبارت دیگر اگر موقعیت هدف در فریم شماره k در دسترس بود، ناحیه ای به عنوان ناحیه هدف در این فریم نظر گرفته می شود. با رسیدن فریم k+1 ضمن جستجو در اطراف موقعیت قبلی هدف، سعی در یافتن ناحیه ای در فریم k+1 داریم که بیش ترین شباهت با ناحیه هدف در فریم k را داشته باشد. ملاک شباهت عموما کمینه خطای مجموع مربعات[21] در نظر گرفته می شود. به این ترتیب در این روش ها از اطلاعات مربوط به نحوه حرکت هدف استفاده زیادی نمی شود. به عبارت دیگر با توجه به جهت حرکت هدف، پیش بینی در مورد موقعیت آن در فریم آینده صورت نمی پذیرد.

این الگوریتم ها عموما به خاطر حجم عملیات کم، دارای سرعت بسیار بالایی می باشند. ولی به دلیل این که معمولا از خصوصیات کلی[22] ناحیه هدف برای ایجاد تطبیق استفاده می کنند، در بعضی موقعیت ها دارای خطا نسبتا زیادی می باشند. همچنین با توجه به این که خصوصیات کلی در این روش ها مورد استفاده قرار می گیرد، دارای مقاومت بسیار کمی در برابر تغیرات شرایط هدف هستند. با این حال با توجه به مزایای مذکور، روش های این دسته هنوز از محبوبیت بسیار زیادی برخوردار می باشند. الگوریتم هایی مانند Mean Shift و CAM Shift[23] از معروف ترین مثال های این دسته از روش ها می باشند.

[1] Camera

[2] Computer Vision

[3] Surveillance Systems

[4] Detection

[5] Tracking

[6] Targets

[7] Candidate

[8] Visible Camera

[9] Infra-Red Camera

[10] Pre Information

[11] Intensity

[12] Calibration

[13] Camera Motion

[14] Template

[15] Occlusion

[16] Distraction

[17] Deformation

[18] Rigid

[19] Prediction

[20] Matching

[21] Minimum Mean Square Error

[22] Global Features

[23] Continuous Adaptive Mean Shift

***ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل و با فرمت ورد موجود است***

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

 با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

تعداد صفحه :115

قیمت : چهارده هزار تومان

بلافاصله پس از پرداخت ، لینک دانلود به شما نشان داده می شود

و به ایمیل شما ارسال می شود.

پشتیبانی سایت :        09124404335        info@arshadha.ir

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

شماره کارت :  6037997263131360 بانک ملی به نام محمد علی رودسرابی

11

مطالب مشابه را هم ببینید

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه های دانشگاهی است. مطالب مشابه را هم ببینید. برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید