تشخیص خودکار باران از ویدئوهای دیجیتال با استفاده از الگوریتم جریان نوری فارنبک

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 22

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_HYDPHY-11-1_006

تاریخ نمایه سازی: 22 مهر 1405

چکیده مقاله:

تشخیص خودکار باران از تصاویر دیجیتال، به ویژه در مناطق فاقد تجهیزات سنتی، ابزاری کم هزینه و موثر برای پایش جوی و ارائه هشدار سریع است. در این پژوهش، الگوریتم جریان نوری فارنبک (Farneback) برای شناسایی حرکت های ناشی از باران در فریم های متوالی ویدئو به کار گرفته شد. این روش با تحلیل حرکت عمودی پیکسل ها قادر به تشخیص بارش است و به عنوان روشی ساده و نسبتا پایدار در شرایط واقعی عمل می کند. برای ارزیابی، مجموعه ای از ویدئوهای بارانی و غیر بارانی انتخاب و نتایج با برچسب گذاری دستی مقایسه شدند. دقت میانگین الگوریتم حدودا ۷۸/۷۲ درصد است که نشان دهنده توانایی مناسب آن در تشخیص باران است، به ویژه در ویدئوهای با نرخ فریم ثابت و روشنایی نسبتا بالاتر. نتایج نشان می دهد که این روش می تواند با ترکیب شدن با سایر روش ها و آموزش دیدن به نتایج مطلوب تری دست پیدا کند و از نظر هزینه و پیاده سازی مقرون به صرفه باشد. این رویکرد برای کاربردهای بلادرنگ و نظارتی مناسب است و می تواند جایگزینی کم هزینه برای تجهیزات سنتی محسوب شود. با توجه به اهمیت تشخیص باران در مدیریت بلایای طبیعی و تغییرات اقلیمی، این حوزه به زمینه ای حیاتی در پژوهش های اخیر تبدیل شده است و بهبودهای آتی می تواند کارایی و دقت را افزایش دهد.

کلیدواژه ها:

تشخیص خودکار قطرات و نوارهای باران ، پردازش تصویر ، الگوریتم جریان نوری فارنبک ، ویدئوهای دوربین مداربسته

نویسندگان

فاطمه حیدری

دانشکده مهندسی عمران،آب و محیط زیست ، دانشگاه شهید بهشتی، تهران، ایران

اصغر میلان

دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران

علیرضا وفایی نژاد

دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Rahayu SA, Sipayung SB, Witono A, Suprihatin LS. The Performance ...
  • Hakim AL, Dewi R. Automatic rain detection system based on ...
  • Fiallos-Salguero M, Khu ST, Guan J, Wang T, Wang M. ...
  • Lee J, Byun J, Baik J, Jun C, Kim HJ. ...
  • Farnebäck G. Two-frame motion estimation based on polynomial expansion. InScandinavian ...
  • Tripathi AK, Mukhopadhyay S. Removal of rain from videos: a ...
  • Garg K, Nayar SK. Vision and rain. International Journal of ...
  • Barnum PC, Narasimhan S, Kanade T. Analysis of rain and ...
  • Roser M, Geiger A. Video-based raindrop detection for improved image ...
  • Haurum JB, Bahnsen CH, Moeslund TB. Is it Raining Outside? ...
  • Shorman SM, Pitchay SA. A review of rain streaks detection ...
  • Wang H, Xie Q, Zhao Q, Meng D. A model-driven ...
  • Yang W, Tan RT, Wang S, Liu J. Self-learning video ...
  • Yan W, Tan RT, Yang W, Dai D. Self-aligned video ...
  • Islam MR, Paul M. Video rain-streaks removal by combining data-driven ...
  • Yi Z, Shi H, Jiang Q, Gao Y, Wang Z, ...
  • Gonzalez RC, Woods RE. Digital Image Processing.۳rd Edition. Pearson Prentice ...
  • Zivkovic Z. Improved adaptive Gaussian mixture model for background subtraction. ...
  • Deng LJ, Huang TZ, Zhao XL, Jiang TX. A directional ...
  • Navin MJR, Pankaja R. Performance analysis of text classification algorithms ...
  • Sokolova M, Lapalme G. A systematic analysis of performance measures ...
  • Li H, Luo K, Zeng B, Liu S. Gyroflow+: Gyroscope-guided ...
  • Li Z, Hyeon J, Choi HJ. Rainfall recognition from road ...
  • نمایش کامل مراجع