Tag Archive: پروژه پردازش تصویر

فروش پروژه تشخیص پلاک خودرو در شب و روز برپایه آستانه گذاری اتسو و الگوریتم بهینه سازی کلونی مورچگان با نرم افزار MATLAB

Author: Natrani7170 جولای 9, 2020 0 Comments

کد پروژه: 2988

عنوان پروژه: فروش پروژه تشخیص پلاک خودرو در شب و روز برپایه آستانه گذاری اتسو و الگوریتم بهینه سازی کلونی مورچگان با نرم افزار MATLAB

قالب بندی: m- داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 50.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص پلاک خودرو در شب و روز برپایه آستانه گذاری اتسو و الگوریتم بهینه سازی کلونی مورچگان با نرم افزار MATLAB

شناسایی و تشخیص پلاک خودرو در سالیان مختلف به عنوان یک چالش مهم در جوامع علمی مورد بحث بوده است که تا به امروز به درازا کشیده شده است. روش مهای متنوعی در این زمینه ارائه شده است که همگی دارای نقاط ضعف و قوتی می باشند. اما تا به حال روشی که بتواند جنبه های مختلف را به درستی در نظر بگیرد و چالش های موجود این مبحث را مرتفع سازد، ارائه نشده است. البته روش هایی در سیستم های کنترل ترافیک با هدف تشخیص پلاک خودروهای افراد متخلف در کشورمان ایران نیز وجود دارد که برای سیستم طرح ترافیک و زوج و فرد مورد استفاده واقع می گردد. همین طور به عنوان تشخیص پلاک خودروهایی که قوانین راهنمایی ر از لحاظ سرعت و کمربند، رعایت نمی کنند. اما پُر هزینه بودن روش های موجود و بالا بودن پیچیدگی محاسباتی بالا و دقت پایین، منجر به کُند بودن و کاهش کارایی این سیستم ها منجر شده است. بر اساس مطالعاتی که صورت گرفت، تشخیص پلاک خودرو به کرّار با روش های مختلف، ارائه شده است. یکی از مهمترین ضعف هایی که اکثر این روش ها داشتند، توانایی شناسایی و تشخیص پلاک خودرو در روز و شب و همین طور انواع حروف و اعداد بود. اما رویکردی که این پژوهش ارائه داد، توانایی تشخیص پلاک خودروهای ایرانی، انگلیسی، هندی و چینی را دارا بود. روش پیش رو دارای چهار مرحله اصلی است، مرحله اول نرمال سازی تصاویر، مرحله دوم آستانه گذاری اُتسو، مرحله سوم قطعه بندی مبتنی بر پردازش ریخت شناسایی و مرحله آخر، استفاده از الگوریتم بهینه سازی کلونی مورچگان با هدف کاهش ابعاد، انتخاب و استخراج ویژگی های پلاک خودرو. روش ارائه شده حاکی از کارایی بالا نسبت به روش های پیشین را نمایش می دهد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه matlab, پروژه آستانه گذاری اتسو matlab, پروژه الگوریتم کلونی مورچگان matlab, پروژه تشخیص پلاک خودرو, پروژه تشخیص پلاک خودرو ACO, پروژه تشخیص پلاک خودرو matlab, پروژه تشخیص پلاک خودرو آستانه گذاری اتسو, پروژه تشخیص پلاک خودرو الگوریتم کلونی مورچه, پروژه تشخیص پلاک خودرو شب و روز, پروژه شناسایی پلاک خودرو matlab, پروژه متلب, پروژه پردازش تصویر, پروژه پلاک خوان matlab

فروش پروژه دسته بندی پیکسل مبتنی بر قطعه بندی رنگی تصویر با Quaternion Exponent Moments با نرم افزار MATLAB

Author: Natrani7170 ژوئن 16, 2020 0 Comments

کد پروژه: 2983

عنوان پروژه: فروش پروژه دسته بندی پیکسل مبتنی بر قطعه بندی رنگی تصویر با Quaternion Exponent Moments با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 70.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه دسته بندی پیکسل مبتنی بر قطعه بندی رنگی تصویر با Quaternion Exponent Moments با نرم افزار MATLAB

قطعه بندی تصویر یک مساله مهم اما همچنان دشوار برای حل باقی مانده است زیرا این مساله وابسته به برنامه بوده که معمولا اطلاعات در دسترس مرتبط در خصوص ساختار تصویر وجود ندارد. در سال های اخیر، الگوریتم های قطعه بندی تصویر بسیاری توسعه یافته اند، اما این الگوریتم ها اغلب بسیار پیچیده هستند و اغلب نتایج نامطلوبی می دهند. در این پروژه، ما قطعه بندی تصویر رنگی مبتنی بر دسته بندی پیکسل با استفاده از لحظات نمایی چهارگانه (quaternion exponent moments) ارائه می دهیم. در مرحله اول، ویژگی تصویر پیکسل-سطح مبتنی بر لحظات چهارگانه نمایی (QEMs) استخراج شده است که به طور موثر می تواند بافت پیکسل تصویر را با توجه به ارتباط بین کانال های رنگی مختلف ثبت کند. سپس، ویژگی تصویر پیکسل-سطح به عنوان ورودی دسته بندی ماشین بردار پشتیبانی دو قلو (TSVM) استفاده می شود، و مدل TSVM با انتخاب نمونه های آموزشی با آستانه آنتروپی Arimoto آموزش داده می شود. در نهایت، تصویر رنگی با مدل TSVM آموزش داده شده دسته بندی شده است. این طرح پیشنهادی دارای مزایای زیر است: (1) QEMs کارا برای توصیف بافت پیکسل تصویر رنگی معرفی شده است که همبستگی بین کانال های رنگی مختلف را در نظر می گیرد، (2) بهترین دسته بندی TSVM استفاده شده است که دارای زمان محاسباتی کمتر و دقت دسته بندی بالاتری است. نتایج تجربی نشان می دهد که روش پیشنهادی ما عملکرد قطعه بندی بسیار امید بخشی در مقایسه با پیشرفته ترین روش های قطعه بندی که اخیرا در ادبیات تحقیق ارائه شده دارد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه matlab, پروژه QEM متلب, پروژه Quaternion Exponent Moments متلب, پروژه SVM متلب, پروژه TSVM متلب, پروژه آستانه انتروپی, پروژه آستانه انتروپی Arimoto, پروژه آستانه انتروپی matlab, پروژه آستانه انتروپی آریموتو, پروژه تقطیع تصویر, پروژه تقطیع تصویر matlab, پروژه دسته بندی پیکسل matlab, پروژه طبقه بندی پیکسل matlab, پروژه قطعه بندی تصویر, پروژه قطعه بندی تصویر matlab, پروژه قطعه بندی رنگی تصویر, پروژه لحظات چهارگانه نمایی, پروژه لحظات چهارگانه نمایی matlab, پروژه ماشین بردار پشتیبان, پروژه ماشین بردار پشتیبان دوقلو, پروژه متلب, پروژه پردازش تصویر

فروش پروژه تشخیص احساسات از متون فارسی با شبکه عصبی المن بازگشتی با نرم افزار MATLAB

Author: Natrani7170 ژوئن 16, 2020 0 Comments

کد پروژه: 2982

عنوان پروژه: فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 125.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص احساسات از متون فارسی با شبکه عصبی المن بازگشتی با نرم افزار MATLAB

بی شک مهمترین مولفه انسان، حالات و احساسات اوست که با برقراری ارتباط با محیط پیرامون در تعامل است. احساسات یک فرد را می توان از رفتارهای خروجی او مانند حالات چهره، حرکت اعضای بدن، لحن سخن گفتن و نوشتن متن، تشخیص داد. تشخیص احساسات از روی متون فارسی نوشته شده، یک روش علمی – روان شناسانه جهت ارزیابی و درک شخصیت افراد تلقی می گردد که کمک شایانی به شناخت روحیات افراد در زمان نوشتن می کند. روش ارائه شده در این تحقیق بر پایه روش شبکه عصبی المن به صورت بازگشتی (Recurrent Elman Neural Network) است که نمونه ها را آموزش می بیند. سپس از رگرسیون لاجیستیک به منظور تشخیص احساس متون فارسی و از معیارهای ارزیابی هم چون دقت، میانگین مربعات خطا به منظور ارزیابی و تضمین روش پیشنهادی، استفاده شده است. بهترین نرخ تشخیص احساسات، با استفاده از ترکیب همه ویژگی ها، قابل دست یابی است.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه RENN متلب, پروژه RNN متلب, پروژه تشخیص احساس از متن, پروژه تشخیص احساسات, پروژه تشخیص احساسات matlab, پروژه تشخیص احساسات از متون فارسی, پروژه تشخیص احساسات از متون فارسی matlab, پروژه رگرسیون لاجیستیک, پروژه رگرسیون لاجیستیک matlab, پروژه شبکه عصبی Elman, پروژه شبکه عصبی المن, پروژه شبکه عصبی المن matlab, پروژه شبکه عصبی بازگشتی, پروژه شبکه عصبی بازگشتی matlab, پروژه شبکه عصبی بازگشتی المن matlab, پروژه متلب, پروژه متن کاوی, پروژه متن کاوی matlab, پروژه پردازش تصویر

فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

Author: Natrani7170 ژوئن 16, 2020 0 Comments

کد پروژه: 2981

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص کمربند رانندگان از تصاویر گرفته شده در اتوبان ها برپایه ریخت شناسی تصویر با نرم افزار MATLAB

امروزه با توجه به رشد حمل و نقل و خودروهای در تردد در جاده ای شهری و بین شهری، شناسایی عواملی که ممکن است بر جان رانندگان تاثیر بگذارید و به آن ها با جریمه گوشزد گردد، امری حیاتی و مهم به شمار می رود. زیرا کاهش تصادفات جاده ای نشان دهنده آگاه بودن رانندگان از قوانین موجود است. امروزه دوربین های نظارتی مختلفی در سطح شهر و اتوبان های بین شهری قرار گرفته است که رانندگان متخلف را با شناسایی پلاک هایشان جریمه می کند. اما یکی از بخش هایی که به شدت بر سلامت رانندگان و نفر سرنشین کنار راننده تاثیر دارد، بستن کمربند ایمنی است. از این رو، تحقیق پیش رو سعی در ارائه یک روش موثر در تشخیص کمربند رانندگان از تصاویر را دارد. روش پیشنهادی جهت برطرف سازی روش های پیشین شامل کاهش پیچیدگی محاسباتی، افزایش دقت و سرعت بیشتر، ارائه گردیده است. رویکرد این تحقیق مبتنی بر عملیات پردازش تصویر است، بدین صورت که شامل پنج مرحله اساسی می باشد، یعنی پیش پردازش، تشخیص ناحیه پلاک خودرو، تشخیص ناحیه پنجره جلویی، تشخیص فرد در خودرو و یافتن موقعیت کمربند در راننده. این عملیات مبتنی بر تقطیع بوده و از روش لبه یابی مبتنی بر عملگر کانی بهبود یافته مبتنی بر روش اتوماتای یادگیر سلولی با یک مرحله بزرگ نمایی بعد از قطعه بندی و در نهایت استفاده از پردازش ریخت شناسی مبتنی بر منطق فازی جهت تشخیص بسته بودن یا نبودن کمربند ایمنی، انجام می شود. افزایش دقت و حساسیت، از مهمترین معیارهای ارزیابی این تحقیق به شمار می رود.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

تشخیص ناحیه پنجره جلویی خودرو, پروژه اتوماتای یادگیر سلولی, پروژه اتوماتای یادگیر سلولی matlab, پروژه تشخیص فرد در خودرو و یافتن موقعیت کمربند در راننده, پروژه تشخیص ناحیه پلاک خودرو, پروژه تشخیص کمربند رانندگان, پروژه تشخیص کمربند رانندگان matlab, پروژه ریخت شناسی, پروژه ریخت شناسی matlab, پروژه شناسایی کمربند راننده, پروژه شناسایی کمربند راننده matlab, پروژه شناسایی کمربند راننده در زمان رانندگی, پروژه متلب, پروژه پردازش تصویر, پروژه پردازش تصویر matlab

فروش پروژه تشخیص و تصحیص قرمزی چشم در تصاویر مبتنی بر منطق فازی و اصول پردازش تصویر با نرم افزار MATLAB

Author: Natrani7170 ژوئن 10, 2020 0 Comments

کد پروژه: 2980

عنوان پروژه: فروش پروژه تشخیص و تصحیص قرمزی چشم در تصاویر مبتنی بر منطق فازی و اصول پردازش تصویر با نرم افزار MATLAB

قالب بندی: m – داکیومنت کامل

دسته: کامپیوتر – MATLAB

قیمت: 100.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص و تصحیص قرمزی چشم در تصاویر مبتنی بر منطق فازی و اصول پردازش تصویر با نرم افزار MATLAB

وجود نواحی قرمز رنگ در ناحیه شبکه در زمان عکس برداری، یکی از مشکلات و چالش های قابل توجه می باشد. با توجه به این که دلیل این قرمزی چشم، تشدید نور و ناگهانی بودن برخرود آن با چشم است و انعکاس قرمزی رگ‌ های خونی در ناحیه شبکیه چشم را منجر می شود، نیاز است تا در تصاویر، تا جای ممکن کاسته و یا حذف شود. تشخیص و حذف قرمزی چشم یکی از مسائل جالب توجه سالیان اخیر در حوزه پردازش تصویر بوده است. تا جایی که روش های متنوعی برای آن ارائه و تدوین شده اند، اما هم چنان نقاط ضعف مختلفی در آن باقی مانده است. شناسایی الگوهای چشم شامل بافت، رنگ و شدت نور، می تواند ویژگی های اصلی سیستم های تشخیص و حذف قرمزی تلقی شود. در این تحقیق از عملگرهای ریخت شناسانه برای تقطیع تصاویر و مشخص کردن ویژگی ها مبتنی بر منطق فازی استفاده شده است و در مرحله بعدی، از رشد ناحیه ای برای تصحیح کردن نواحی قرمز استفاده گردیده است. در این سیستم، ابتدا شناسایی وجود چهره در تصویر نیز شکل گرفته است که در فاز تقطیع، ویژگی های چهره مدنظر قرار گرفته است. دقت رویکرد پیشنهادی برای تصحیح و حذف قرمزی چشم 98.52 % بوده است که عملکردی بهتری نسبت به روش های مشابه پیشین را نشان می دهد.

عكس خروجی برنامه

عکس 1

عکس 2

عکس 3

عکس 4

عکس 5

عکس 6

عکس 7

عکس 8

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه matlab, پروژه اصلاح قرمزی چشم, پروژه اصلاح قرمزی چشم matlab, پروژه اصلاح قرمزی چشم از تصاویر, پروژه تشخیص قرمزی چشم, پروژه تشخیص قرمزی چشم matlab, پروژه تشخیص و تصحیح قرمزی چشم, پروژه تقطیع تصویر matlab, پروژه متلب, پروژه منطق فازی matlab, پروژه پردازش تصویر

فروش پروژه حذف نویز از تصاویر سی تی اسکن با استفاده از تبدیل موجک بهینه با نرم افزار MATLAB

Author: Natrani7170 ژوئن 7, 2020 0 Comments

کد پروژه: 2978

عنوان پروژه: فروش پروژه حذف نویز از تصاویر سی تی اسکن با استفاده از تبدیل موجک بهینه با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB

قیمت: 150.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه حذف نویز از تصاویر سی تی اسکن با استفاده از تبدیل موجک بهینه با نرم افزار MATLAB

حذف نویز از تصاویر مختلف می تواند ابعاد جدیدی از تصویر را نمایان سازد. در حوزه پزشکی نیز این قضیه می تواند تحلیل یک دکتر از تصویر گرفته شده را بهبود بدهد تا اشتباهات پزشکی را کاهش دهد. حذف نویز در تصاویر سی تی اسکن، از جمله رویکردهایی است که در سالیان اخیر، محققان فراوانی را به سمت خود جلب کرده است. به دلیل وجود نویز بعد از نویز زدایی، هم چنان کاهش و حذف نویز در تصاویر سی تی اسکن در مجامع علمی به عنوان یک موضوع داغ و حیاتی، مورد بررسی و تحقیق است. این پژوهش نیز سعی بر ارائه یک روش نوین و جدید با هدف حذف نویز از تصاویر سی تی اسکن با بالاترین دقت و نرخ حساسیت با در نظر گرفتن معیارهایی چون اوج نسبت سیگنال به نویز و نسبت سیگنال به نویز و معیارهای دیگر، بنیان شده است. روش ارائه شده مبتنی بر ترکیب تبدیل موجک و منطق فازی است تا با قوانین فازی بتوان در حذف نویزها، گامی جدید را برداشت و چالش های موجود در این حوزه را مرتفع ساخت.

عكس خروجی برنامه

عكس 1

عكس 2

عکس 3

عكس 4

عکس 5

عکس 6

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه matlab, پروژه بهبود تصویر matlab, پروژه بهسازی تصویر matlab, پروژه تبدیل موجک matlab, پروژه حذف نویز CT Scan, پروژه حذف نویز matlab, پروژه حذف نویز تصویر منطق فازی, پروژه متلب, پروژه منطق فازی matlab, پروژه پردازش تصویر, پروژه کاهش نویز CT Scan, پروژه کاهش نویز matlab, پروژه کاهش نویز تصویر منطق فازی

فروش پروژه تشخیص رنگ پوست با شبکه عصبی MLP مبتنی بر PSO با نرم افزار MATLAB

Author: Natrani7170 ژوئن 7, 2020 0 Comments

کد پروژه: 2977

عنوان پروژه: فروش پروژه تشخیص رنگ پوست با شبکه عصبی MLP مبتنی بر PSO با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB

قیمت: 150.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص رنگ پوست با شبکه عصبی MLP مبتنی بر PSO با نرم افزار MATLAB

تشخیص رنگ پوست انسان، یک چالش جدید در دنیای پردازش تصویر و بینایی ماشین تلقی می شود که به عنوان یک پیش پردازش اولیه برای اهداف بزرگتری چون سیستم های تشخیص چهره و هویت از پوست، می تواند مورد استفاده تجاری و صنعتی واقع شود. همین طور سیستم های تشخیص رنگ پوست، می توانند برای شناسایی و تشخیص بیماری های پوستی از جمله سرطان پوست و یا تغییر شکل دادن پوست و رنگ آن، مورد استفاده قرار بگیرند. در این پژوهش، به رویکردی جدید از عملیات تقطیع رنگ پوست پرداخته می شود. ورودی چنین سیستم هایی اصولا تصاویر می باشد. هر تصویر وارد شده به چنین سیستمی، دارای یک فضای رنگی است که بعضا دارای سطح خاکستری، RGB، YCbCr، HSV و غیره است. رویکرد پیش رو به پردازش در فضای رنگی LAB تاکید دارد. ضمن معرفی و نحوه تبدیل از فضای RGB به فضای LAB، استفاده از روش ترکیبی شبکه عصبی و الگوریتم ازدحام ذرات بهینه نیز پیشنهاد شده است. نوع شبکه عصبی از نوع پرسپترون چند لایه است که هدف آن، ناحیه بندی و تقطیع رنگ پوست است. الگوریتم ازدحام ذرات بهینه نیز با هدف بهبود ناحیه بندی یا تقطیع و ایجاد کلاس های بهینه در تصویر و استخراج ناحیه پوست از سایر بخش ها، مورد استفاده واقع می شود. رویکرد ارائه شده دارای معیارهای ارزیابی ای چون میانگین مربعا خطا، اوج نسبت سیگنال به نویز، نسبت سیگنال به نویز، دقت، حساسیت و نرخ ویژگی است که نتایج قابل قبولی از روش ارائه شده برای هر معیار، به دست آمده است.

عكس خروجی برنامه

عكس 1

عكس 2

عکس 3

عكس 4

عکس 5

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه matlab, پروژه MLP متلب, پروژه PSO متلب, پروژه PSO پردازش تصویر, پروژه الگوریتم ازدحام ذرات بهینه, پروژه بهبود تشخیص رنگ پوست, پروژه تشخیص رنگ پوست matlab, پروژه تشخیص رنگ پوست با شبکه عصبی MLP, پروژه تشخیص چهره matlab, پروژه تقطیع تصویر PSO, پروژه تقطیع رنگ پوست matlab, پروژه شبکه عصبی, پروژه شبکه عصبی matlab, پروژه شبکه عصبی MLP, پروژه شبکه عصبی پرسپترون چندلایه, پروژه شبکه عصبی پرسپترون چندلایه matlab, پروژه قطعه بندی رنگ پوست matlab, پروژه متلب, پروژه پردازش تصویر

فروش پروژه پیدا کردن متن در تصویر با ریخت شناسی با نرم افزار MATLAB

Author: Natrani7170 جولای 30, 2019 0 Comments

کد پروژه: 2924

عنوان پروژه: فروش پروژه پیدا کردن متن در تصویر با ریخت شناسی با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB

قیمت: 20.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه پیدا کردن متن در تصویر با ریخت شناسی با نرم افزار MATLAB

عكس خروجی برنامه

عکس 1

عکس 2

برای خرید این پروژه با شماره 09360703858

یا آدرس ایمیل nn4e@aol.com در تماس باشید.

کامپیوتر - MATLAB

پروژه matlab, پروژه جستجوی متن در تصویر matlab, پروژه ریخت شناسی matlab, پروژه متلب, پروژه پردازش تصویر, پروژه پیدا کردن شی تصویر matlab, پروژه پیدا کردن متن تصویر matlab, پروژه یافتن متن تصویر matlab

فروش پروژه تشخیص و ردیابی حرکت از ویدئو با الگوریتم SLKCF با نرم افزار MATLAB

Author: Natrani7170 ژوئن 9, 2019 0 Comments

کد پروژه: 2909

عنوان پروژه: فروش پروژه تشخیص و ردیابی حرکت از ویدئو با الگوریتم SLKCF با نرم افزار MATLAB

قالب بندی: m

دسته: کامپیوتر – MATLAB

قیمت: 45.000 تومان

قابلیت اجرا در نرم افزار: MATLAB

شرح مختصر:

فروش پروژه تشخیص و ردیابی حرکت از ویدئو با الگوریتم SLKCF با نرم افزار MATLAB

شبیه سازی در محیط MATLAB و در یک سیستم با پردازنده 7 هسته ای و پردازنده 3.4 گیگاهرتزی اینتل به همراه 6 مگابایت کَش و همین طور 6 گیگابایت حافظه، شبیه سازی و اجرا گرفته شده است. رویکرد پیشنهادی با استفاده از مجموعه داده های http://cvlab.hanyang.ac.kr/tracker_benchmark/datasets.html انجام گرفته است. به صورت پیش فرض از سه داده آن با 16 تصویر به عنوان آزمون اولیه استفاده شده است که می توان تعداد فریم ها را بیشتر نمود. در بعضی داده ها، گراند تراث وجود دارد و در بعضی نیز وجود ندارد. تعریف موقعیت اولیه برای شناسایی، تشخیص و ردیابی هرگونه تحرک در فریم های ویدئویی به صورت یک موقعیت شناخته شده با ایجاد یک ماتریس موقعیت به برنامه داده شده است.

رخ AUC به عنوان یک معیار ارزیابی که ناحیه زیر منحنی در ROC است، 0.8592 را نشان می دهد. همین طور حداکثر نرخ حساسیت 194، حداکثر نرخ ویژگی ها 107 و نرخ بهره وری هزینه 148 و حداکثر نرخ کارایی 160 می باشد. به طور میانگین برای کل این مجموعه داده، ضریب باتاچاریا برابر 0.9948 و همین طور نرخ ارزیابی CLE برابر 0.9949 بوده است. نرخ دقت در تشخیص نیز 91 % بوده است. لازم به ذکر است که ضریب باتاچاریا، به اندازه گیری مقدار همپوشانی بین دو نمونه آماری یا جمعیتی از آن ها را نشان می دهد. ضریب می تواند برای تعیین نزدیک بودن نسبی دو نمونه مورد نظر استفاده شود. از آن برای اندازه گیری جدایی کلاس ها در طبقه بندی استفاده می شود و از نظر فاصله زمانی Mahalanobis قابل اعتمادتر است، زیرا فاصله Mahalanobis یک مورد خاص از فاصله باتاچاریا است، زمانی که انحراف استاندارد دو کلاس یکسان باشد. در نتیجه، زمانی که دو کلاس دارای معنی مشابه، اما انحرافات استاندارد مختلف، فاصله Mahalanobis به صفر می رسد، در حالی که فاصله باتاچاریا بسته به تفاوت بین انحراف استاندارد افزایش می یابد. زمان اجرا برای تشخیص و ردیابی تحرک با الگوریتم SLKCF در داده اول، 3.7 ثانیه بوده است.

عكس خروجی برنامه

عکس 1