بهبود کارایی الگوریتم های ردیابی اشیاء متحرک به کمک روش های اکتشافی و فرااکتشافی

ردیابی اشیاء متحرک با استفاده از دوربین، مقوله ای بسیار چالش برانگیز و پیچیده در علم بینایی ماشین است. الگوریتم ها و رهیافت های بسیاری که هرکدام برای محیط و سخت افزار خاصی طراحی شده اند برای این امر موجود می باشند. الگوریتمی که در اینجا ارائه می دهیم اشیاء را بر اساس تکنیک حذف پس زمینه و تقسیم تصویر به بلاک ها تشخیص می دهد. در الگوریتم پیشنهادی سعی شده است تا با پارامترهای گوناگون از تشخیص اشتباه نویز و سایه به عنوان شی ء جلوگیری شود. همچنین با استفاده از سرعت و جهت حرکت اشیاء در فریم های قبلی، احتمال ظهور شیء در فریم بعدی در شعاع مربوطه بررسی می شود. سپس با سنجیدن شباهت ویژگی های متفاوت اشیاء در دو فریم، آن ها را به هم انتساب می دهیم. همچنین یک الگوریتم دیگر بر پایه حوزه مکانی برای پیدا کردن هم پوشانی ، ورود و خروج اشیاء معرفی می کنیم که باوجود محاسبات اندک نتایج قابل قبولی ارائه می دهد. با توجه به کاربرد ویژگی رنگ در این الگوریتم و تذکر این نکته که تکنیک حذف پس زمینه معمولاً در دوربین های ثابت بکار می رود این روش برای دوربین های ثابت رنگی طراحی شده است. بررسی توابع شایستگی متفاوت در الگوریتم تکاملی بهینه سازی ازدحام ذرات که برای تصحیح اوزان ویژگی های اشیاء بکار می بریم بخشی دیگر از فعالیت ما در این پایان نامه را تشکیل می دهد. ارائه یک ایده ابتکاری و جدید برای تنظیم وزن ویژگی ها به صورت هوشمند که از ابزار آماری همبستگی بهره می برد از نکات برجسته این نوشتار است. وزن هوشمند با استفاده از سه عامل گستردگی، یکنواختی و پایداری مقادیر هر ویژگی در اشیاء تصویر، وزنی مناسب برای آن ویژگی در نظر می گیرد. وزن هوشمند در چند هزارم ثانیه محاسبه می شود و تا 80 درصد خطای ردیابی را کاهش می دهد.