این مقاله انگلیسی ISI در نشریه IEEE در 5 صفحه در سال 2016 منتشر شده و ترجمه آن 9 صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
تشخیص اجسام متحرک در یک ویدیو با تفریق پس زمینه اصلاح شده و روش جریان نوری |
عنوان انگلیسی مقاله: |
Identifying Moving Objects in a Video using Modified Background Subtraction and Optical Flow Method |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | 2016 |
تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار و هوش مصنوعی |
چاپ شده در کنفرانس | سومین کنفرانس بین المللی محاسبات برای توسعه جهانی پایدار |
کلمات کلیدی | مدلسازی پس زمینه، تفاضل قاب، مدل مخلوط گاوسی (GMM)، تشخیص حرکت، جریان نوری |
ارائه شده از دانشگاه | گروه علوم کامپیوتر و مهندسی، دانشگاه امیتی، اوتار پرادش، هند |
نویسندگان | Sumati Manchanda, Shanu Sharma |
شناسه شاپا یا ISSN | ISBN 978-9-3805-4421-2 |
رفرنس | دارد ✓ |
کد محصول | 9330 |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت IEEE |
نشریه آی تریپل ای |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | 9 صفحه با فونت 14 B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه نشده است ☓ |
ترجمه متون داخل جداول | ترجمه نشده است ☓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | به صورت عکس درج شده است ✓ |
منابع داخل متن | درج نشده است ☓ |
فهرست مطالب |
چکیده 1. مقدمه 2. الگوریتم پیشنهادی A. مدلسازی پس زمینه B. جریان نوری C. تفاضل قاب D. ترکیب داده ها 3. تحلیل آزمایشی 4. نتیجه گیری |
بخشی از ترجمه |
چکیده شناسایی شی در ویدیو که موقعیتش گاهاً در ویدیو تغییر می کند، در میان بحرانی ترین مراحل کاربرد دید کامپیوتر، مثل استخراج اشیاء، نظارت ویدیویی، دسته بندی و شناسایی الگو جای دارد. در این مقاله شیوه جدیدی برای تشخیص اشیاء متحرک درمحیط نویزی پیشنهاد شده است. در الگوریتم پیشنهادی، از مدل مخلوط گاوسی برای استخراج شی متحرک و سپس از روش جریان نوری برای کسب سریع نتایج بدون خطا و سپس از تفاضل قاب برای استخراج درست اشکال استفاده می شود. الگوریتم روی ویدیوهای مختلف در موقعیت های محیطی گوناگون مورد تجزیه و تحلیل قرار گرفته و تست شده است. نتیجه بدست آمده ثابت می کند الگوریتم مطمئن تر بوده، تشخیص دقیق تر و حتی از لحاظ نیازهای هزینه و حافظه پائین می باشد.
4. نتیجه گیری روش پیشنهادی شیوه ای کارآمدتر برای تشخیص حرکت شی در جریان تصاویر فشرده شده با کمک دوربین ثابت می باشد. نقش مدل مخلوط گاوسی و جریان نوری و روش تفاضل قاب، آن را دقیق تر جلوه می دهد، زیرا تشخیص درست تر ظاهر می شود. الگوریتم پیشنهادی منجر به مرزهای درستی گردیده و شیوه پیشنهادی از لحاظ عملکرد روی ویدیوهای واقعی فشرده شده با کمک دوربین ایستا، رضایت بخش می باشد. از شیوه پیشنهادی با نتایج تحلیلی و آزمایشی در گزارش حمایت شده و نتایج بدست آمده از لحاظ پایداری و دقت، متهور و باجرات می باشد. |
بخشی از مقاله انگلیسی |
Abstract To identify the object in a video that changes its position from time to time in a video is amongst the crucial steps in various application of computer vision like extraction of objects, video surveillance, classification and pattern identification as well. In this paper a novel approach is proposed that is used to detect the objects that are not stationary in noisy environment. In the proposed algorithm Gaussian mixture model is used to extract the moving object and then the Optical flow method is used to acquire error free results quickly followed by frame differencing to obtain accurate extraction of shapes. The algorithm has been analyzed and tested over various videos in different environmental circumstances .The result acquired proves the algorithm to be more reliable, the detection is more precise and even low in terms of cost and memory requirement as well.
IV. CONCLUSION The proposed method is a more efficient approach to diagnose the movement of the object in a stream of images seized with the help of stationary camera. The immense role of Gaussian mixture model accompanied by the optical flow and then followed by frame differencing method makes it more precise as the detection becomes more accurate. The algorithm proposed leads to accurate boundaries and the approach is satisfactory in terms of performance when exercised on the real videos seized with the help of static camera. The proposed approach is supported with the analytical and experimental results in the report and the results obtained are courageous in terms of robustness and preciseness.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
تشخیص اجسام متحرک در یک ویدیو با تفریق پس زمینه اصلاح شده و روش جریان نوری |
عنوان انگلیسی مقاله: |
Identifying Moving Objects in a Video using Modified Background Subtraction and Optical Flow Method |
|