اصلاح ردیاب انتقال متوسط برای ردگیری هدف با الگوی تابشی متغیر
محورهای موضوعی : فناوری اطلاعات و ارتباطاتپیمان معلم 1 , جواد عباس پور 2 , عليرضا معمارمقدم 3 , مسعود کاوش تهرانی 4
1 - هیات علمی گروه مهندسی برق
2 - دانشگاه صنعتی مالک اشتر
3 - دانشگاه اصفهان
4 - دانشگاه صنعتی مالک اشتر
کلید واژه: ردیاب انتقال متوسط, مدل هیستوگرام, کرنل, پنجره ردیابی, اندازه‌بندی وفقی, تباین,
چکیده مقاله :
یکی از روش‌های مرسوم در زمینه‌ی ردیابی تصویری اهداف غیرصلب، استفاده از روالی تکراری به نام انتقال متوسط در تعیین موقعیت مد مرکزی هدف است. نمایش هدف در ردیاب انتقال متوسط برپایه‌ی هیستوگرام ویژگی بانقاب‌گذاری مکانی با یک کرنل مستقل از جهت انجام می‌شود. بحرانی‌ترین چالش در ردیاب انتقال متوسط، تنظیم مقیاس کرنل است. تاکنون هیچ روش کارامد و بی عیب و نقصی برای تنظیم و یا وفق دهی ابعاد کرنل، زمانی که ابعاد هدف تغییرمی کند، ارائه نشده است. مشکل دیگر ردیاب انتقال متوسط در رویارویی با هدف با الگوی تابشی متغیر پیش می آید. در این مقاله با رویکرد حل این مشکلات، الگوریتم ردیابی انتقال متوسط همراه با اندازه بندی وفقی قوی ارائه می‌گردد، ضمن این که مشکل الگوریتم انتقال متوسط را در مواجهه با تغییرات الگوی تابشی هدف با وفق دهی مدل هدف در هر قاب حل می کند. در روش پیشنهادی، ابتدا با استفاده از روش محاسبه ی توان ناشی از مشتقات مکان- زمانی شدت پیکسل های تصویر، ابعاد پنجره در قاب بعد تنظیم می شود. سپس نتایج حاصل از اندازه بندی پنجره در قاب بعد، در ردیاب انتقال متوسط اعمال می شود. نتایج نشان می دهند که استفاده از الگوریتم پیشنهادی ضمن اینکه به کاهش خطای موقعیت یابی هدف در مقایسه با الگوریتم انتقال متوسط استاندارد می انجامد، در برابر تغییرات تباین2 و الگوی تابشی هدف نیز کارایی قابل توجهی از خود نشان می دهد.
The mean shift algorithm is one of the popular methods in visual tracking for non-rigid moving targets. Basically, it is able to locate repeatedly the central mode of a desirable target. Object representation in mean shift algorithm is based on its feature histogram within a non-oriented individual kernel mask. Truly, adjusting of the kernel scale is the most critical challenge in this method. Up to now, no methods are presented that can perfectly as well as efficiently adjust and adapt the kernel scale during track when a target is resized. Another problem of mean shift tracking algorithm will be encountered whenever photometric properties of target texture changes. In order to solve these problems, this paper presents a modified mean shift tracking algorithm that is used a robust adaptive sizing technique. It can also cope with photometric changes of target template by adapting of its model in every frame of image sequence. In our proposed method, at first, the target window is adaptively resized with respect to spatio-temporal gradient powers of its pixel intensities in current frame and then mean shift algorithm is consequently applied to the resulted sizing window. Compared to standard mean shift algorithm, experimental results show that our proposed method, not only reduces center location errors of target, but also efficiently track it in the presence of changing illumination.
