Показати скорочену інформацію

Simulation of algorithms for detection, localization and tracking of moving objects in video streams

dc.contributor.authorKrasilenko, V. G.en
dc.contributor.authorKychak, V. M.en
dc.contributor.authorNikolskyy, A. I.en
dc.contributor.authorLazarev, A. A.en
dc.contributor.authorNikitovich, D. V.en
dc.contributor.authorКрасиленко, В. Г.uk
dc.contributor.authorКичак, В. М.uk
dc.contributor.authorНікольський, О. І.uk
dc.contributor.authorЛазарєв, О. О.uk
dc.contributor.authorНікітович, Д. В.uk
dc.date.accessioned2024-01-16T12:19:09Z
dc.date.available2024-01-16T12:19:09Z
dc.date.issued2023
dc.identifier.citationKrasilenko V. G., Kychak V. M., Nikolskyy A. I., Lazarev A. A., Nikitovych D. V. Simulation of algorithms for detection, localization and tracking of moving objects in video streams. Матеріали IX конференції «Сучасні проблеми інфокомунікацій, радіоелектроніки та наносистем (СПІРН-2023)», Вінниця, 15-17 листопада 2023 р. Вінниця, 2023. URL: https://conferences.vntu.edu.ua/index.php/spirn/spirn2023/paper/view/19349.en
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/39019
dc.description.abstractIn this work, algorithms for detecting, localizing and tracking moving objects in a stream of video frames are proposed and modeled. The algorithms are based on nonlinear normalized equivalence models, as a measure of the proximity of the template and the current fragment of the video frame, as well as some types of operations on neighboring frames. The results of modeling the proposed algorithms in Mathcad and Labview are presented. The use of equivalence models, measures and frame difference functions gives good results in recognizing and tracking moving objects.en
dc.description.abstractУ цій роботі пропонуються та моделюються алгоритми виявлення, локалізації та відстеження рухомих об`єктів у потоці відео-кадрів. Алгоритми базуються на нелінійних нормалізованих моделях еквівалентності як міри близькості шаблону та поточного фрагмента відео - рамки, а також деяких типів операцій на сусідніх кадрах. Представлені результати моделювання запропонованих алгоритмів у Mathcad та LabView. Використання моделей еквівалентності, заходів та функцій різниці кадрів дає хороші результати розпізнавання та відстеження рухомих об`єктів.uk
dc.language.isoenen
dc.publisherВНТУuk
dc.relation.ispartofМатеріали IX конференції «Сучасні проблеми інфокомунікацій, радіоелектроніки та наносистем (СПІРН-2023)», Вінниця, 15-17 листопада 2023 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/spirn/spirn2023/paper/view/19349
dc.subjectмоделюванняuk
dc.subjectвідеопотікuk
dc.subjectрозпізнавання шаблонівuk
dc.subjectвиявлення об`єктівuk
dc.subjectвідстеженняuk
dc.subjectмодель нелінійної еквівалентностіuk
dc.subjectвіднімання кадрівuk
dc.subjectрозпізнавання космічного інваріантуuk
dc.subjectsimulationen
dc.subjectvideo streamen
dc.subjectpattern recognitionen
dc.subjectobject detectingen
dc.subjecttrackingen
dc.subjectnonlinear equivalence model, subtraction of framesen
dc.subjectspace-invariant recognitionen
dc.subjectMathcaden
dc.subjectLabviewen
dc.titleSimulation of algorithms for detection, localization and tracking of moving objects in video streamsen
dc.typeThesis
dc.identifier.udc004.032:621.391
dc.relation.referencesVladimir G. Krasilenko, Alexander I. Nikolsky, Alexandr V. Zaitsev, Victor M. Voloshin, "Optical pattern recognition algorithms on neural-logic equivalent models and demonstration of their prospects and possible implementations", Proceedings of SPIE Vol. 4387 (SPIE, Bellingham, WA 2001), pp.247-260en
dc.relation.referencesKrasilenko, V. G., Recognition algorithms of multilevel images of multicharacter identification objects based on nonlinear equivalent metrices and analysis of experimental data / V. G. Krasilenko, A. I. Nikolsky, Yu. A. Bozniak // Управляющие системы и машины. - 2013. - № 4. - С. 12-19en
dc.relation.referencesVladimir.G. Krasilenko, Modelling and comparative analysis of correlation and mutual alignment equivalence functions, /V.G..Krasilenko, Y.A. Boznyak, G.N. Berozov. Science and learning process: scientific and methodical. Proceedings of VSEI Entrepreneurship University "Ukraine". - Vinnitsa: Vinnitsa Social Economy Institute of University "Ukraine", 2009. - P. 68-70.en
dc.relation.referencesKrasilenko V.G. Using a multi-port architecture of neural-net associative memory based on the equivalency paradigm for parallel cluster image analysis and self-learning // V.G. Krasilenko, A.A. Lazarev, S.K. Grabovlyak, D.V. Nikitovich. - Proceedings of SPIE Vol. 8662 (SPIE, Bellingham, WA 2013) 86620Sen
dc.relation.referencesKrasilenko V.G. Experimental research of methods for clustering and selecting image fragments using spatial invariant equivalent models // V.G. Krasilenko, S.K. Grabovlyak, D.V. Nikitovich. – Proceedings of SPIE Vol. 9286, 2014en
dc.relation.referencesKrasilenko V.G. Researching of clustering methods for selecting and grouping similar patches using twodimensional nonlinear space-invariant models and functions of normalized "equivalence" / V.G. Krasilenko, D.V. Nikitovich // VII Ukrainian-Polish scientific SPC “Electronics and information technologies” (ELIT-2015). – Lviv:, 2015. – P. 129-134en
dc.relation.referencesV. G. Krasilenko, A. I. Nikolskyy, and J. A. Flavitskaya „The Structures of Optical Neural Nets Based on New Matrix_Tensor Equivalently Models (MTEMs) and Results of Modeling” ISSN 1060_992X, Optical Memory and Neural Networks (Information Optics), Vol. 19, No. 1, © Allerton Press, Inc., pp. 31–38, 2010.en
dc.relation.referencesKrasilenko, V.G., Nikolsky, A.I., Bozniak, Y.A., "Recognition algorithms of multilevel images of multicharacter identification objects based on nonlinear equivalent metrics and analysis of experimental data" in Sensor Fusion: Architectures, Algorithms, and Applications VI, edited by Belur V. Dasarathy, Proceedings of SPIE Vol. 4731 (SPIE, Bellingham, WA 2002) pp. 154-163.en
dc.relation.referencesKrasilenko Vladimir G. "Design and simulation of a multiport neural network heteroassociative memory for optical pattern recognitions"/Vladimir G. Krasilenko, Alexander A. Lazarev, Svetlana K Grabovlyak // Proceedings of SPIE - Vol. 8398.en
dc.relation.referencesVladimir G. Krasilenko, Aleksandr I. Nikolskyy, Alexander A. Lazarev, "Modeling optical pattern recognition algorithms for object tracking based on nonlinear equivalent models and subtraction of frames", in MIPPR 2015: Pattern Recognition and Computer Vision, Tianxu Zhang; Jianguo Liu, Editors, Proceedings of SPIE Vol. 9813 (SPIE, Bellingham, WA 2015), 981302en
dc.relation.references. Vladimir G. Krasilenko, Alexander A. Lazarev, Diana V. Nikitovich, "Modeling and possible implementation of self-learning equivalence-convolutional neural structures for auto-encoding-decoding and clusterization of images", Proc. SPIE 10453, Third International Conference on Applications of Optics and Photonics, 104532N (22 August 2017); doi: 10.1117/12.2276313; http://dx.doi.org/10.1117/12.2276313en
dc.identifier.orcidhttps://orcid.org/0000-0001-6528-3150


Файли в цьому документі

Thumbnail
Ім'я:
139296.pdf
Розмір:
876.4Kb
Формат:
PDF
Відкрити

Даний документ включений в наступну(і) колекцію(ї)

Показати скорочену інформацію