شناسایی خودکار مکان مورد توجه به کمک توزیع غیر پارامتری مبتنی بر ریسک بیزی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
در این مقاله روش جدیدی برای شناسایی خودکار مکان های مورد توجه افراد با استفاده از دوربین های نظارتی در فروشگاه های بزرگ ارائه شده است. منظور از مکان مورد توجه، ناحیه ای در تصویر است که افراد بیشتری رفت و آمد داشته اند.بدین منظور ابتدا با استفاده از روش تشخیص افراد مبتنی بر توصیف گرهای HOG، انسان از دیگر اشیاء موجود در تصویر متمایز می شود و هر فرد تشخیص داده شده به عنوان یک رخداد در تصویر تلقی می شود. سپس مورد توجه ترین مکان با استفاده از توزیع غیر پارامتری مبتنی بر ریسک بیزی بر روی موقعیت مکانی افراد تشخیص داده شده، بدست می آید. در توزیع پیشنهادی هسته جدیدی تعریف شده است که از کارایی بالایی برخوردار است. در ریسک پیشنهادی نیز تابع ضرر جدیدی تعریف شده است که صحت بالاتری نسبت به تابع ضرر مربعی در محاسبه مراکز توجه دارد و در توزیع های مختلف در محاسبه قله های توزیع بهتر عمل می کند. برای ارزیابی روش از فریم های ویدئویی که از دوربین های زنده نظارتی در فروشگاه های مختلف گرفته شده، استفاده شده است. در ارزیابی هسته پیشنهادی کارایی آن 85% بدست آمده است و در ارزیابی صحت تابع ضرر پیشنهادی به طور میانگین بر روی داده های مصنوعی 93.5% و بر روی داده های واقعی 90% بدست آمده است که در مقایسه با روش های موجود بهتر است.
کلیدواژگان:
زبان:
فارسی
صفحات:
159 تا 174
لینک کوتاه:
magiran.com/p2096515
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!