ردیابی متوسط تغییر با هیستوگرام چند رنگ مرجع

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

ردیابی متوسط تغییر با هیستوگرام چند رنگ مرجع

عنوان لاتین

Mean Shift tracking with multiple reference color histograms

ردیاب متوسط تغییر یک ابزار به طور گسترده ای مورد استفاده برای ردیابی قوی و سریع مکان یک شی در یک توالی تصویر با استفاده از هیستوگرام رنگ شی است. هیستوگرام مرجع معمولا به آن در منطقه هدف در قاب که در آن ردیابی آغاز شده است تنظیم شده است. با این حال، اغلب، هیچ نمایش تنها برای تولید یک هیستوگرام مرجع مناسب برای ردیابی هدف کافی نیست. در زمینه هایی که دیدگاه های مختلفی از هدف قبل از ردیابی در دسترس هستند، این مقاله باعث افزایش ردیاب متوسط می شود تا از هیستوگرام مرجع متعدد به دست آمده از این دیدگاه های مختلف استفاده شود. این کار در حالی که حفظ همگرایی و خواص سرعت ردیاب اصلی انجام می شود. ابتدا یک روش ساده برای استفاده از هیستوگرام مرجع چندگانه برای تولید یک هیستوگرام تک است که برای ردیابی هدف مناسب تر است. سپس، برای افزایش ردیابی بیشتر، ما پیشنهاد می کنیم یک فرمت به ردیاب متوسط تغییر که در آن بدنه محدب این هیستوگرام ها به عنوان مدل هدف مورد استفاده قرار می گیرد. بسیاری از نتایج تجربی نشان می دهد ردیابی موفقیت آمیز اهداف که رنگ های قابل مشاهده در طول دنباله به شدت و به سرعت در حال تغییر است، جایی که پیگیری متوسط تغییرات اساسی بدست می آید.

The Mean Shift tracker is a widely used tool for robustly and quickly tracking the location of an object in an image sequence using the object’s color histogram. The reference histogram is typically set to that in the target region in the frame where the tracking is initiated. Often, however, no single view suffices to produce a reference histogram appropriate for tracking the target. In contexts where multiple views of the target are available prior to the tracking, this paper enhances the Mean Shift tracker to use multiple reference histograms obtained from these different target views. This is done while preserving both the convergence and the speed properties of the original tracker. We first suggest a simple method to use multiple reference histograms for producing a single histogram that is more appropriate for tracking the target. Then, to enhance the tracking further, we propose an extension to the Mean Shift tracker where the convex hull of these histograms is used as the target model. Many experimental results demonstrate the successful tracking of targets whose visible colors change drastically and rapidly during the sequence, where the basic Mean Shift tracker obviously fails.