به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه « bhattacharyya distance » در نشریات گروه « فنی و مهندسی »

  • عقیل عبیری*، محمدرضا محزون
    در این مقاله، به منظور ردیابی اهداف متحرک روشی جدید بر اساس الگوریتم فیلتر ذره ارائه شده است. تعیین تعداد مراحل بازنمونه برداری در الگوریتم فیلتر ذره یکی از عوامل مهم در تعیین مدت زمان پردازش تصاویر می باشد. در مقاله حاضر با تخمین چگالی کرنل گوسی، هیستوگرام وزن دارشده مدل هدف به دست آمده و با اعمال واریانس یک نویز تصادفی در محل هدف، موقعیت ذرات نامزد در فریم بعد پیشگویی می شوند. در این مقاله ذرات نامزد توسط فاصله باتاچاریا، وزن-دارشده و تعداد مراحل بازنمونه برداری در هر فریم، متناسب با وزن ذرات در الگوریتم فیلتر ذره به صورت وفقی تعیین می گردند. همچنین شعاع کرنل نیز با لبه-یابی، بر تغییرات جسم متحرک منطبق می شود. مقایسه عملکرد الگوریتم پیشنهادی با الگوریتم بازنمونه برداری فیلتر ذره با تعداد مراحل ثابت بازنمونه برداری، حاکی از افزایش دقت تشخیص جسم متحرک به 88 درصد، بدون افزایش بیش از حد واریانس پراکندگی ذرات است. همچنین الگوریتم پیشنهادی کاهش متوسط زمان پردازش را به 22 میلی ثانیه نشان می دهد.
    کلید واژگان: فیلترذره, بازنمونه برداری, کرنل گوسی, مدل هدف, مدل نامزد ذرات, هیستوگرام وزندارشده, فاصله باتاچاریا}
    Aghil Abiri*, Mohammad Reza Mahzoun
    In this paper, based on resampling particle filter algorithm, a new method to track moving object is proposed. Determining the number of levels needed for resampling in particle filter algorithm, plays an important role in the time duration of each video frame processing. By estimating the Gaussian kernel density the weighted histogram of the target model is obtained and by considering random noise variance at target place the position of candidate particles for the next frame will be predicted. In the current work, the candidate particles are weighted using Bhattacharyya distance, while the number of resampling levels is determined in accordance with the particle weights, adaptively. The radius of the kernel will be matched on moving target variations by using edge detection. Comparison of the result of proposed algorithm with the result of fixed level resampling particle filter algorithm, shows the increasing of moving target detection accuracy up to 88% without excess changes in the particles distribution variances. Moreover, the average process time decreases to 22ms.
    Keywords: Particle filter, gaussian kernel, target model, candidate particles model, weighted histogram, bhattacharyya distance}
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال