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

نویسندگان

1 دانشگاه آزاد اسلامی واحد نجف آباد، دکترای برق

2 دانشگاه آزاد اسلامی واحد نجف آباد، کارشناس ارشد برق مخابرات

چکیده

به منظور شناسایی اجسام متحرک با استفاده از الگوریتم تفاضل پس زمینه، سایه اجسام نیز به عنوان شیء متحرک استخراج می‌شود که عامل بروز مشکل و خطا در شناسایی اجسام متحرک است. بنابراین در سیستم‌های حمل و نقل هوشمند، شناسایی و حذف سایه خودرو‌ها 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 می‌گردد. در نهایت به منظور تصحیح عمل شناسایی در مرحله قبل (به عنوان نمونه حذف قسمت‌هایی از خودرو‌ که به عنوان سایه شناسایی شده‌اند)، از الگوریتم تجزیه و تحلیل ترکیبات اصلی بهره گرفته می‌شود. با این الگوریتم، هر خودرو بوسیله بردارهای وی‍ژه خودروهای پایگاه داده آموزشی مدل می‌گردد تا بدین وسیله هر خودروی ناشناخته ورودی براساس این مدل تایید یا رد گردد. روش پیشنهادی بر روی ویدئوهای واقعی اخذ شده توسط سیستم‌های حمل و نقل هوشمند در شرایط واقعی و عملیاتی ارزیابی گردیده است. نتایج حاصل از الگوریتم پیشنهادی بیانگر عملکرد قابل قبول و مؤثر روش پیشنهادی در کاربردهای سیستم‌های حمل و نقل هوشمند است.

کلیدواژه‌ها


عنوان مقاله [English]

Shadow Detection Based on Combination of HSV Color Space and Principal Component Analysis in Surveillance Videos

نویسندگان [English]

  • حسین پورقاسم 1
  • محمد کاظم مقیمی 2
چکیده [English]

In common background subtraction method usually the shadow of objects is extracted as the moving objects that cause some errors in the performance of Intelligent Transportation Systems (ITS). In this paper, an effective algorithm based on combination of HSV color space and Principal Component Analysis is proposed. In this algorithm, the candidate shadow region is detected by using HSV color space. In this step, some part of vehicles may be detected as the moving shadow. So, to compensate and improve the performance of moving shadow detection, principal components analysis algorithm is applied to recognize the automobile object by modeling the automobile based on orthogonal eigen vectors of database. Our proposed algorithm is evaluated on real and operational videos of ITS. The obtained results demonstrate the efficiently and effectiveness of our proposed algorithm in the ITS applications.

کلیدواژه‌ها [English]

  • Intelligent Transportation Systems
  • HSV Color Space
  • Moving Objects Detection
  • Principal component analysis
  • Shadow Detection