ردیابی سریع و تطبیق پذیر اشیاء متحرک براساس ساختار بیزین بازگشتی

امروزه ادراک محتوای ویدئو به یک مسأله مهم برای بسیاری از کاربردها تبدیل شده است. یکی از اساسی ترین فرآیندها به منظور ادراک محتوای ویدئو، ردیابی اشیاء متحرک است که در آن فرآیند موقعیت یابی و تشخیص پیکربندی پویای یک یا چندین شیء متحرک در هر فریم ویدئو صورت می گیرد. در این پایان نامه تمرکز خود را بر یک رویکرد احتمالاتی عمومی که به ساختار بیزین بازگشتی مشهور است، معطوف کرده ایم. در این ساختار با استفاده از اطلاعات مستخرج از ویدئو، توزیع احتمالاتیِ مجهولِ متناظر با حالت اشیاء متحرک، به صورت بازگشتی تخمین زده می شود. در کاربردهای واقعی، روش های ردیابی مبتنی بر ساختار بیزین بازگشتی موفقیت آمیز بوده اند؛ ولی با این وجود حرکات ناگهانی اشیاء متحرک چالشی است که ردیابی را به یک فرآیند دشوار تبدیل می کند. بنابراین مسأله مهمی که در این پایان نامه تمرکز خود را معطوف به حل آن کرده ایم، ارائه یک الگوریتم ردیابی تطبیق پذیر است که بتواند در مقابل حرکات سریع و ناگهانی اشیاء متحرک مقاوم باشد. به همین منظور یک مدل حرکتی جدید و تطبیق پذیر ابداع کرده و آن را در فیلتر ذره ای sir pf که مشهورترین ردیاب مبتنی بر ساختار بیزین بازگشتی است، تعبیه کرده ایم. در این مدل در هر فریم ویدئو، در صورت لزوم، پیکربندی ذرات با استفاده از اطلاعات مدل مشاهده به روز رسانی می شوند. همچنین به جهت فرار از بهینه های محلی در مرحله به روز رسانی پیکربندی ذرات، از الگوریتم جستجوی محلی با رویکرد بهترین پیشرفت، استفاده شده است. سپس مدل حرکتی با استفاده از موقعیت بهترین ذرات در فریم جاری و قبلی به صورت بلادرنگ در حین اجرای الگوریتم، به روز رسانی می-شود. با استفاده از مدل حرکتیِ تطبیق پذیرِ پیشنهادی، الگوریتم ردیابی مقاومی در برابر حرکات سریع اشیاء متحرک ابداع شده است. روش پیشنهادی به صورت تجربی با سایر الگوریتم های ردیابی در مجموعه داده های bobot و spot مقایسه شده و نتایج تجربی برتری روش پیشنهادی را براساس معیارهای مختلف از جمله معیار پاسکال نشان داده اند. از سوی دیگر، روش پیشنهادی دقت فیلتر ذره ای متعارف (sir pf) را براساس معیار پاسکال در حدود 15 درصد بهبود داده است.