ترجمه مقاله آشکار سازی و پیگردی اشیای متحرک از روی ویدئو

قیمت خرید این محصول

۱۱۶,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

آشکار سازی و پیگردی اشیای متحرک از روی ویدئو

عنوان انگلیسی

Detecting and Tracking of Moving Objects from Video

صفحات مقاله فارسی

صفحات مقاله انگلیسی

سال انتشار

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

7958

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی، مهندسی نرم افزار و مهندسی الگوریتم ها و محاسبات

کلمات کلیدی

تفاضل پس‌زمینه، تفاوت فضایی – زمانی، جابجایی میانگین

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

چکیده
1.مقدمه
2.کار مرتبط
2.1 آشکارسازی اشیا
2.2 ردگیری اشیا
3. تفاضل پس‌زمینه
3.1 الگوریتم تفاضل پس‌زمینه اصلی و ردگیری
4. افزودن تفاضل پس‌زمینه به کمک تجزیه و تحلیل فضایی – زمانی
4.1 الگوریتم تفاضل پس‌زمینه اصلی به کمک تجزیه و تحلیل فضایی – زمانی
5. نتایج و مباحث
6. نتیجه‌گیری و حوزه پژوهشی آینده

نمونه چکیده متن اصلی انگلیسی

ABSTRACT

Background Subtraction methods are widely used for detecting and tracking moving objects in videos. It is useful in many applications such as traffic monitoring, video surveillances. The accurate tracking and detection of moving object is the challenging aspect of such approach. This work proposes a general purpose method which combines the advantage of spatio-temporal differencing with the basic background subtraction method. The results are promising on the proposed method as compared with the basic model of background subtraction and mean shift method.

نمونه چکیده ترجمه متن فارسی

چکیده
روش‌های تفاضل پس‌زمینه کاربرد وسیعی در آشکارسازی و ردگیری اشیا متحرک در تصاویر ویدئویی دارند و هم‌چنین در بسیاری از برنامه‌های کاربردی مانند کنترل ترافیک و مراقبت‌های ویدئویی مفید واقع می‌شوند. ردگیری و آشکارسازی صحیح یک شیء متحرک، جنبه چالش‌برانگیز این روش به شمار می‌رود. این تحقیق، روش همه‌ منظوره‌ای ارائه می‌کند که در آن مزیت تفاوت فضایی - زمانی با روش اصلی تفاضل پس‌زمینه ترکیب می‌شود. نتایج حاصل از این روش در مقایسه با مدل تفاضل پس‌زمینه اصلی و روش جابجایی میانگین امیدوارکننده است.