شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن شناسایی سایه مبتنی بر ترکیب فضای رنگی HSV و تجزیه و تحلیل ترکیبات اصلی در ویدئوهای نظارتی :

نام کنفرانس، همایش یا نشریه : صنایع الکترونیک

تعداد صفحات :۱۷

به منظور شناسایی اجسام متحرک با استفاده از الگوریتم تفاضل پس زمینه، سایه اجسام نیز به عنوان شی متحرک استخراج می شود که عامل بروز مشکل و خطا در شناسایی اجسام متحرک است. بنابراین در سیستم های حمل و نقل هوشمند، شناسایی و حذف سایه خودرو ها یک چالش مهم است. در این مقاله روشی کارآمد براساس ترکیب فضای رنگ HSV و تجزیه و تحلیل ترکیبات اصلی ارائه شده است. در ابتدا، بعد از شناسایی اجسام متحرک توسط روش تفاضل پس زمینه، با استفاده از فضای رنگ HSV مناطق احتمالی سایه متحرک استخراج می گردد. در نهایت به منظور تصحیح عمل شناسایی در مرحله قبل (به عنوان نمونه حذف قسمت هایی از خودرو که به عنوان سایه شناسایی شده اند)، از الگوریتم تجزیه و تحلیل ترکیبات اصلی بهره گرفته می شود. با این الگوریتم، هر خودرو بوسیله بردارهای وی‍ژه خودروهای پایگاه داده آموزشی مدل می گردد تا بدین وسیله هر خودروی ناشناخته ورودی براساس این مدل تایید یا رد گردد. روش پیشنهادی بر روی ویدئوهای واقعی اخذ شده توسط سیستم های حمل و نقل هوشمند در شرایط واقعی و عملیاتی ارزیابی گردیده است. نتایج حاصل از الگوریتم پیشنهادی بیانگر عملکرد قابل قبول و موثر روش پیشنهادی در کاربردهای سیستم های حمل و نقل هوشمند است.

کلید واژه: سیستم های حمل و نقل هوشمند. ، شناسایی اجسام متحرک، شناسایی سایه، تجزیه و تحلیل ترکیبات اصلی ، فضای رنگ HSV