محمد کیانی ابری - دانشجوی کارشناسی ارشد، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان
پیمان ادیبی - استادیار، گروه هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان

ردیابی اشیا یکی از مسایل اساسی در سامانه های پردازش ویدیو برای تحلیل حرکت اشیاء محسوب می شود. این مسیله به دلیل وجودتنوعات زیاد در تغییرات ممکن در محیط ذاتا از پیچیدگی بالایی برخوردار است، که همین امر کیفیت عملکرد اگوریتم های مطرح شده برای آن رادر شرایط محیطی گوناگون بسیار متغیر می سازد. به عنوان مثال یک ردیاب ممکن است در شرایط تغییرات نور به خوبی عمل نماید اما از پسردیابی در همپوشانی های جزیی یا کلی برنیاید.هدف ما در این مقاله ارایه روشی دقیق و برخط برای ردیابی اشیا مختلف است که از پس چالشهای مختلف همپوشانی، تغییرات نور و... به خوبیبرآمده و در عین حال سرعت مناسبی نیز داشته باشد. بدین منظور ابتدا مسیله ردیابی را مبتنی بر روشهای ردیابی با تشخیص اشیا، فرموله سازینموده و سپس برای حل مسیله تجمیع داده ها از اطمینان خرده ردیاب ها بهره می گیریم. نهایتا به منظور افزایش دقت ردیاب و حل چالش تغییراتنور، مدل ظاهر توسعه داده شده خود را که مبتنی بر ویژگی های LBP و تحلیل خطی تمایزبخش است، معرفی می کنیم. نتایج این روش، نشان دهندهافزایش دقت و سرعت در حل مسیله، ضمن در نظر گرفتن چالش های ردیابی در شرایط مختلف است.

استدلال همپوشانی، ردیابی برخط چندین شیی، مدل ظاهر، مسیله تجمیع داده ها در ردیابی