تشخیص و ردیابی عابران پیاده با استفاده از کلاس بندهای شبکه عصبی مکرر و هیستوگرام گرادیان در توالی تصاویر مادون قرمز

اخیرا تشخیص عابران پیاده از تصاویر مختلف به عنوان یکی از موضوعات مهم در حوزه پردازش تصویر و شناسایی آماری تبدیل شده است. تشخیص و و ردیابی همزمان عابران پیاده اهمیت دو چندان دارد و لیکن با چالش هایی نظیر زمانبر بودن و عدم قطعیت در تعیین موقعیت فرد همراه هستند. پیشتر روش های خودکار ارائه شدهاند که اغلب با دقت کم و عدم قطعیت در دستیابی به پاسخ بهینه همراه بوده اند، جامعیت لازم را ندارند و یا آنکه با مشکل بیش برازش همراه هستند. در مقاله کنونی، الگوریتمی در جهت تشخیص خودکار موقعیت عابران و نیز ردیابی آنها بر اساس تئوری کارآمد مرکب از شبکه هایی عصبی مکرر و هیستوگرام گرادیان در تصاویر مادون قرمز پیشنهاد شده که نسبت به روش های مشابه، از دقت و سرعت بالاتری در عملکرد برخوردار می باشد. در فاز نخست، توسط الگوریتم هیستوگرام گرادیان بهترین ویژگی های مورد نظر انتخاب می شود و سپس در الگوریتم شبکه عصبی مکرر به دنبال تشخیص عابر و نیز ردیابی وی خواهد بود. برای تقسیم داده های آموزشی از تکنیک اعتبارسنجی K-fold با مقدار K معادل 10 استفاده شده است. الگوریتم پیشنهادی در سطح قابل قبولی با خطای کمتر از %5 در تشخیص و ردیابی عابران پیاده عملکرد داشته است.

کلیدواژه ها:

تشخیص عابرپیاده ، تصاویر مادون قرمز ، ردیابی ، شبکه عصبی مکرر و هیستوگرام گرادیان.