بهبود روشهای ردیابی با استفاده از ترکیبی از اطلاعات رنگ و حرکت

هدف اصلی در این پایان نامه ارائه یک چهارچوب جدید برای ردیابی موثر انواع متفاوتی از اهداف متحرک است. در اینجا سعی خواهیم کرد با استفاده از یک الگوریتم دو مرحله ای و با بهره گیری از ویژگی های بدست آمده از هدف، بالاخص ویژگی های موجود در رنگ هدف، به بهبود نتایج آشکار سازی و ردیابی کمک کنیم. ما نشان می دهیم که با اعمال یک ماسک مکانی بر روی هدف که دارای یک هسته ایزوتروپیک می باشد و سپس تعریف یک تابع شباهت بین هدف در فریم فعلی و کاندیداهای هدف در فریم بعدی، می توان به جستجوی موثر هدف در فریم بعدی دست زد. در حقیقت با این روش به جای جستجوی فراگیر هدف در فریم بعدی با استفاده از یک روش جستجوی موثر که زمان کمتری را نیاز دارد مکان هدف در فریم بعدی را تخمین می زنیم. میزان شباهت هدف در فریم جاری و کاندیداهای هدف در فریم بعدی با استفاده از معیار باتاچاریا محاسبه می شود. در اینجا در حقیقت ضریب باتاچاریا درجه همبستگی هدف و کاندیداهای آن را مشخص می کند. حال بعد از تخمین جایگاه هدف در فریم بعدی با استفاده از یک طبقه بندی کننده دو کلاسه که در این جا ماشین های بردار پشتیبان می باشد مرزهای دقیق هدف را بدست می آوریم. در این مرحله یک بردار ویژگی از پیکسلهای موجود در تصویر مرجع تشکیل داده و طبقه بندی کنند را با استفاده از این بردار به صورتی که پیکسلهای متعلق به هدف در یک کلاس و پیکسلهای متعلق به پس زمینه در کلاس دیگر قرار گیرند، آموزش می دهیم. سپس در فریم جدید، به کمک این طبقه بندی کننده پیکسلهای موجود د رداخل بیضی با ابعاد 2؟ برابر بیضی شامل هدف از الگوریتم تخمین مدل حرکتی بدست آمده است را تست می نماییم. با این روش خطاهای ناشی از مرحله اول تصحیح شده و مرزهای دقیق هدف در هر فریم آشکار خواهد شد. به علاوه بعد از هر چند فریم می توان ورودی طبقه بندی کننده را به روز کرده و دقت الگوریتم ردیابی را افزایش داد. ما در آزمایش هایمان نشان خواهیم داد که الگوریتم پیشنهادی در مقابل حرکت دوربین، پوشیدگی جزئی هدف، شلوغی پس زمینه و تغییرات در ابعاد و ظاهر هدف توانمند است و موفق به ردیابی موثر هدف می شود.