雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际先进研究期刊》的研究在电子、电子、仪表工程

菜单

ISSN在线(2278 - 8875)打印(2320 - 3765)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

一种有效的检测方法使用形态视觉监视系统

K.Shanmugapriya1和T。Sree方面2
  1. ECE系助理教授,主Jegannath Engg科技学院Kumarapuram Kanyakumari区、印度
  2. PG学生(应用电子技术),主Jegannath Engg科技学院Kumarapuram Kanyakumari区、印度
相关文章Pubmed,谷歌学者

访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程

国际先进研究期刊》的研究在电子、电子、仪表工程

文摘

现今的智能监控系统,识别物体的视频吸引了极大的兴趣。需要执行一些细分技术,检测对象从一个视频。两个基本构建块的智能监测系统实时应用程序对象分割和对象检测。该方法提出了基于形态学的多对象移动背景技术和基于细胞自动机的分割。视频分割前预处理。运动分割完成从一个视频段对象。在这方面,提出了一种形态操作删除不需要的对象运动,提高分割的结果。这个结果是用于目标识别。基于细胞自动机的分割是进行检测特定对象从一个视频。这种方法可以检测到任何对象在任何激烈的照明的变化。

关键字
监测、形态学、细胞自动机。

介绍
对象跟踪等实时应用程序流量监控、监测系统成为一个重要的任务。几种方法实现有效跟踪移动物体。对象跟踪的过程可以被定义为分段从视频场景和对象感兴趣的运动的跟踪,定位、阻塞等,为了提取有用的信息。探测移动物体的视频流的相关的第一步是信息提取在许多计算机视觉应用,包括交通监控、自动化远程视频监控和跟踪的人。

相关工作
从视频移动物体检测发现在许多领域重要的应用。最前的作品在移动物体检测进行了综述。在[1],一个快速的视频分割算法和它的运作等四个模式基线模式中,基线模式下,影子取消模式,全局运动补偿模式和自适应阈值模式。变化检测和背景注册技术,该算法可以得到令人满意的分割结果较低的计算负载。影子取消模式可以处理光照变化和阴影效果。基线模式可以在相机的情况。全局运动补偿方式可以处理轻微的相机的情况。自适应阈值模式可以在所有的操作模式。本文的主要缺点是转换的模式是手动完成的。影子取消无法处理强烈的光源。 In paper [2], tracking an object is based on descriptors. It automatically tracks an object by using a compact piece of information about region and objects. In this shadow is tracked as a new object because no shadow cancellation technique is used. In [3], background registration; preprocessing is done by gradient filter. Benefits of gradient filter reduce if shadows appear in strong texture, some information will loss if object has weak edges. In [4], Adaptive filter algorithm is used. Main problem occurs due to background clutter. In [5], Differential earth mover distance algorithm is used in this large object motions cannot be handled well and occur local minima problem. In [6], color information is used for background subtraction and shadow detection. This method fails to adapt dynamic background situation. In [7], gradient descent optimization technique, Kalman filter is used for object detection. Segmentation result is inaccurate when the objects are in large motion. In the proposed method two techniques are used such as morphological technique which enhances the segmentation result. Cellular automata based segmentation is proposed to track a particular object from the video.

提出工作
这项工作的目的是探测移动物体从一个视频。在该方法对象跟踪是有效利用基于细胞自动机的分割来完成的。
预处理:预处理步骤完成分割之前去除噪声。在此,把视频重新进行进一步的操作从一个视频对象跟踪序列。在这种方法中预处理是通过双立方插值所调用的方法。它是一个平和的过程。输入帧是找到一些像素值增大。如果任何像素值缺失然后基于相邻像素值恢复丢失的像素值。
从输入视频分辨率降低,以减少复杂性进一步操作。RGB转换为灰度值。预处理为运动提供所需的数据进行分割。它在原始输入视频删除噪音。在预处理,首先利用双立方插值法图像的大小。插值过程用于估计图像在图像像素间的位置的值。图像调整扩大图像;输出图像包含更多比原始图像像素。图像调整函数使用插值确定额外的像素的值。调整后,RGB图像转换成灰度通过消除色相和饱和度信息。 Bicubic interpolation is an extension of cubic interpolation for interpolating data points on a two dimensional regular grid. The interpolated surface is smoother than corresponding surfaces obtained by bilinear interpolation Method for segmentation: Motion segmentation is mainly done to obtain motion vectors. In this method optical flow measurement is done to denote the object motion in a video. Optical flow method is based on gradient of intensity for this purpose RGB value is converted to gray scale values. It is an iterative method and it uses Taylor series expansion. Block matching algorithm is used for accurate motion detection. Segmentation algorithm is to change detect- ion in a video. Moving object region is separated from other part of the schene by the motion information. By using optical flow method, object motion regions are extracted in the first frame, and closed initial counters near the boundaries of object regions are constructed. In the first frame, we apply optical flow to detect motion regions whose boundaries are used as the initial counters. The optical flow for each pixel is represented by (u, v), where u and v are the optical flow velocity vector components in the x and y directions respectively. For a pixel whose optical flow magnitude is less than a threshold its optical flow is set to (0, 0), it is assigned as background. A rectangle shape is moved over the image and its size is changed to detect the motion region.
面具是创建初始对象面具:初始对象来表示前景对象。在这一个矩形形状移动对象,它指定移动对象。由于相机噪音和不规则物体运动存在一些噪音地区初始对象的面具。

形态学操作
形态学运算进行去除噪声区域和过滤较小的地区。该方法用于提高分割的结果。在这两个操作进行打开和关闭。形态学是一个有用的工具来提取图像组件的表示和描述区域的形状,如边界、骨架等。这种技术用于前后处理。打开操作通常消除物体的轮廓和消除薄突起。在打开操作额外添加像素是删除。形态学是制定集合理论。集代表对象在一个图像;例如,所有白色像素的集合在一个二进制图像是一个完整的图像的形态学描述。在二进制图像,集二维整数空间的成员。 Where each element of a set is a 2D vector whose coordinate are the (x, y) coordinates of a white pixel in the image. Erosion shrinks object and is used to remove image components. Closing operation is done to eliminate small holes and filling gaps in the contour. In simple it is done to fill holes in the background region.
细胞自动机:元胞自动机由正则网格细胞,每一个都在一个有限数量的州,如网格。可以在任何有限数量的维度。对于每个单元格,一组细胞称为其社区的定义是相对于指定的细胞。一个初始状态(时间t = 0)是由国家选择分配每个细胞。创建新一代(t共进1),根据一些固定的规则决定了每个单元的新国家的当前状态的细胞,细胞在其附近的州。通常,规则更新细胞的状态是相同的每一个细胞,不随时间发生变化,同时,应用于整个网格,虽然异常,如随机元胞自动机和异步自动机。

结果和讨论
该系统跟踪移动物体从一个视频。在多对象移动的背景情况。对象跟踪发现其重要应用在交通监控、等许多人检测、监视系统等。
移动物体检测的视频吸引了极大的兴趣。这个方法操作在任何激烈的照明的变化。对象检测使用形态学技术和细胞自动机。形态学技术将改善分割结果通过使用两个操作,如打开和关闭。利用形态学方法分割结果是有效的。细胞自动机是跟踪一个特定对象的视频。该方法可以处理大动作的对象。它是一种有效的方法来跟踪对象从多对象移动的背景。性能分析是做这项工作的帧率等各种参数,精度、延迟等。
视频是一个连续移动的框架必须计算帧速率。这个情节显示帧率的变化节时间延迟和准确性。时间延迟是影响性能的重要因素在任何系统。摘要准确性增强和延迟是减少。帧速率,也称为帧频和帧每秒(FPS)的频率(速度)是一个连续成像设备产生独特的图像称为帧。

结论和未来的工作
视频对象分割和跟踪框架,提出了智能相机在视觉监测网络。该方法的对象跟踪降低计算复杂度和增强分割结果。该方法可以跟踪对象在任何激烈的照明的变化。实时应用程序对象跟踪是一项重要的任务。用改进的技术我们应该执行一些操作来跟踪对象用更少的复杂和高跟踪性能。该方法跟踪对象在更短的时间内,它可以检测对象部分堵塞。在未来它可以扩展与其他技术如小波变换、遗传算法。

数据乍一看
图 图 图 图 图
图1 图2 图3 图4 图5

引用
  1. S.-Y。简,Y.-W。黄,B.-Y。谢长廷,S.-Y。马和L.-G.Chen。,“Fast video segmentation algorithm with shadow cancellation, global motioncompensation, and adaptive threshold techniques”, IEEE Trans Multimedia, vol.6, no.1, pp.732–748, Oct.2004.

  2. Cavallaro, O。Steiger和t . Ebrahimi。,“Tracking video objects in cluttered background”, IEEE Trans. Circuits Syst. Video Technol, vol. 15, no. 4,pp. 732-748,Oct. 2004.

  3. S-Y狗、马S-Y L-G陈。,“Efficient moving object detection algorithm using background registration technique”, IEEE Trans. Circuit syst. Video Technol,vol. 12, no. 7, pp. 577-586, Jul. 2002.

  4. e . Maggio f . Smerladi, a . Cavallaro“适应性multifeature跟踪在粒子滤波框架”,IEEE反式。电路系统。VideoTechnol,卷。17日,没有。10, pp. 1348-1359, Oct. 2007.

  5. 问:赵、杨z和道。,”Differential earth mover’s distance with its applications to visual tracking”, IEEE Trans. Pattern anal. Mach. Intell, vol.32, no.2, pp.274-287, Feb 2010.

  6. R。Cucchiara,基粒,m . Pioccardi Prati。,”Detecting moving objects, ghosts, and shadows in video streams”, IEEE Trans. Patter Anal. Machine Intell, vol. 25, no. 10, pp. 1337-1342, Oct. 2003.

  7. D。Comaniciu、诉拉梅什米尔。,“Kernel based object tracking”, IEEE Trans. Patter Anal. Machine Intell, vol. 25, no. 5, pp. 564-577, May 2003.

  8. p·库马尔,s Ranganath、k·森古普塔和w·黄”合作多目标跟踪与高效分离和合并处理”,IEEE反式。电路syst.videoTechnol卷。16日,没有。2003年12月12日,页。1477 - 1490年。
全球技术峰会