شناسایی چند طیفی عابرین پیاده

با افزایش علاقه به شناسایی عابرین پیاده، مجموعه های داده تصاویر عابرین پیاده در دهه اخیر موضوع تحقیقات فراوانی قرار گرفته است. اما بیشتر مجموعه های داده موجود بر روی کانال رنگ تمرکز میکنند در حالی که کانال حرارتی برای شناسایی عابرین در تاریکی مفید میباشد. با در نظر داشتن این مطلب، یک مجموعه داده تصاویر عابرین پیاده چند طیفی را پیشنهاد می شود که شامل جفتهای رنگی ، گرمایی به خوبی تنظیم شده بوده و توسط سخت افزارهای طیف سنجی بر پایه جداکننده بدست آمده است. مجموعه داده رنگ – گرمایی به بزرگی مجموعه های داده رنگی پیشین بوده و دارای برچسبهای فراوانی از جمله طبقه بندی های زمانی میباشد. با استفاده از این مجموعه داده، یک ACF چند طیفی را پیشنهاد میشود که نوع گسترش پیدا کردهای از خصوصیات کانال تجمیعی (ACF) میباشد تا به صورت همزمان بتواند جفتهای تصاویر رنگی – گرمایی را مدیریت کند. یک ACF چند طیفی میزان خطای میانگین ACF را به میزان %15 کاهش داده و منجر به پیشرفت-های فراوانی در زمینه شناسایی عابرین پیاده خواهد شد.[2]فایده کار انجام شده در سه قسمت میباشد: (1 یک مجموعه داده چند طیفی عابرین پیاده را معرفی میشود که دارای جفت-های کنار هم قرار داده شده رنگی – گرمایی میباشد. این مجموعه داده دارای تعداد تصاویری مشابه با مجموعه دادههای عابرین پیاده دارای استفاده فراوان است. همچنین این مجموعه دارای صحنه های ترافیکی گرفته شده در شب است که به ندرت در مجموعه دادههای پیشین دیده میشوند. (2 رابطه کلی میان کانالهای رنگ و گرما را بررسی کرده و پیشنهاد میشود که چگونه میتوان از نقاط قوت هر یک از این دو کانال بجای استفاده مستقل از یکی از آنها استفاده کرد. (3 چندین ترکیب از ACFهای گسترش یافته با کانال گرمایی را پیشنهاد میشود. برای جمع آوری داده، سخت افزار بر روی سقف یک خودرو سواری قرار داده شده و برای گرفتن عکسهای خودکار از صحنههای ترافیکی استفاده شد. به صورت مخصوص به گرفتن تصاویر متعددی در شب و روز اقدام شده تا تغییرات در شرایط نوری در نظر گرفته شوندبرای تقسیم جفت های تصاویر گرمایی – رنگی به مجموعه های آزمایش و آموزش ابتدا اینکه تعداد عابرین مشاهده شده در دو مجموعه برابر بود. دوم اینکه تعداد فریمهای تصاویر روز – شب در دو مجموعه برابر بود. سوم اینکه دو مجموعه دارای همپوشانی نبودند.بیشتر پایگاههای داده موجود شامل سری تصاویر رنگی گرفته شده در روز و در شرایط آب و هوایی مناسب میباشند. مجموعه-های Caltech و KITTI پر کاربردترین پایگاههای داده بوده و دارای سناریوهای واقعی مختلفی میباشند.

کلیدواژه ها:

نمایش و تشخیص اشیا ، بردار ویژگی ، فضای ویژگی ، فضای مقیاس ، برچسب زنی