ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Background Subtraction Using Coplanar Filter and Quadtree Decomposition for Objects Counting

العنوان بلغة أخرى: طرح الخلفية باستخدام مصفاة كوبلنر وشجرة التحليل الرباعي لعد الكائنات
المؤلف الرئيسي: ALZaghal, Fayez Kamal (Author)
مؤلفين آخرين: Al Hamouz, Sadeq (Advisor)
التاريخ الميلادي: 2015
موقع: عمان
الصفحات: 1 - 64
رقم MD: 788300
نوع المحتوى: رسائل جامعية
اللغة: الإنجليزية
الدرجة العلمية: رسالة ماجستير
الجامعة: جامعة الشرق الأوسط
الكلية: كلية تكنولوجيا المعلومات
الدولة: الاردن
قواعد المعلومات: Dissertations
مواضيع:
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

22

حفظ في:
المستخلص: يتم استخدام خوارزميات طرح الخلفية التقليدية لإيجاد الأجسام في الصور بالاعتماد على طرحها من صور خلفية لنفس المشاهد دون هذه الأجسام. ومع ذلك، فشلت هذه الخوارزميات التقليدية في تحديد جميع حواف البكسل للصور، حيث إن هذا بدوره يؤثر على دقة النتائج. وبالتالي، فإن هذه الرسالة تقدم تعزيزا للخوارزميات التقليدية بالاعتماد على تطبيق تقنيتين: فلتر متحد المستوى (coplanar) لتحسين إمكانية الكشف عن كافة حواف البكسل، وطريقة Quadtree لتقسيم الصور لكتل متجانسة. كل من الخوارزمية المحسنة والخوارزمية التقليدية ثم تطبيقهم لتصميم نظام تتبع وعد السيارات في شارع معين باستخدام MATLAB. ومن ثم مقارنة عدد السيارات الذي تم حسابها بكل خوارزمية مع العدد الفعلي للسيارات في هذا الشارع لتقييم أدائهم. تم تنفيذ التقييم من خلال إيجاد وإحصاء عدد السيارات في لقطات الفيديو في مرحلة الـ(online) أو في صور تم تحميلها من قاعدة بيانات في مرحلة الـ(offline)، بالاعتماد على مقارنة هذه اللقطات أو الصور مع الصورة الخلفية للشارع بدون سيارات. وتم استخدام الـ(threshold) لتحديد الفرق بين الصور، ويتم عادة استخدام الـ(threshold) في الخوارزمية التقليدية بقيمة 0.5، بحيث إذا كانت نتيجة طرح البكسل أكبر من (threshold) فإن البكسل يكون باللون الأبيض، أما إذا كانت أقل من الـ(threshold) فإن قيمة البكسل تكون باللون الأسود، توضح النتائج أن الخوارزمية المحسنة تفوقت على الخوارزمية التقليدية في إحصاء عدد من السيارات في جميع اللقطات. حقق هذا النظام 47.01% متوسط معدل دقة للخوارزمية التقليدية و81.19% متوسط معدل دقة للخوارزمية المحسنة.

عناصر مشابهة