شناسایی عابرین پیاده در تصاویر حرارتی فضای باز با استفاده از تعیین شرایط آب و هوایی و شبکه عصبی مصنوعی

نظارت در زمان تاریکی و ثبت وقایع در موقعیت های نامناسب آب و هوایی از مزیت های دوربین های حرارتی می باشد که البته قادر به انجام این کار در طول روز هم می باشند با توجه به متفاوت بودن شرایط جوی در فضای باز در این مقاله الگوریتمی کارا جهت شناسایی عابرین پیاده در تصاویر حرارتی فضای باز بر اساس نوع شرایط آب و هوایی ارائه شده است در روش پشنهادی ابتدا تصاویر ورودی آموزش را به سه گروه شرایط آب و هوایی نامناسب مانند بارانی شرابط آب و هوایی مناسب مانند روزهای نیمه ابری و در نهایت شرایط آب و هوایی مانند ظهرهای روز تابستان تقسیم می کنیم سپس از تصاویر هر گروه ویژگی لازم را استخراج و با آنها کلاس بند شبکه عصبی مصنوعی را برای تشخیص شرایط آب و هوایی آموزش می دهیم در مرحله بعد به علت تفاوت در بعضی از معیارها و مقدار شدت روشنایی عابرین در بین 3 گروه و بالا بردن دقت شناسایی از الگوریتم شناسایی جداگانه برای هر گروه با معیارهای وفقی استفاده می کنیم در تمامی الگوریتم ها برای افزایش سرعت تشخیص از الگوریتم لبه یابی و عملگرهای ریخت شناسی مناسب با معیارهای وفقی استفاده کرده و مکان هایی که احتمال حضور فرد در تصویر ورودی وجود دارد مشخص می شوند

کلیدواژه ها:

دوربین حرارتی ، تصویر حرارتی فضای باز ، شبکه عصبی مصنوعی ، تبدیل ویولت ، عملگرهای ریخت شناسی ، شرایط آب و هوایی