<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Методи розпізнавання рухомих об'єктів

Ескіз

Файли

17523.pdf (343,42 KB)

Дата

2023

Автори


Назва журналу

Номер ISSN

Назва тому

Видавець

Вінницький національний технічний університет

DOI

Анотація

Дана стаття присвячена методам розпізнавання та відстеження рухомих об'єктів в реальному часі. Описані підходи, які дозволяють відстежувати та розпізнавати об'єкти на відео, включаючи функціональні можливості, які базуються на кольорових ознаках, формі та швидкості.
This article is devoted to methods of recognition and tracking of moving objects in real time. Approaches to track and recognize objects in video are described, including capabilities based on color features, shape, and speed.

Опис

Ключові слова

розпізнавання рухомих об'єктів , відстеження рухомих об'єктів , використання траєкторій , фоновий шум , швидкість руху , recognition of moving objects , tracking of moving objects , tracking of trajectories , background noise , speed of movement

УДК

004.9

Тип документа

Thesis

Мова

uk_UA

Є частиною

Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р.

ISSN

Бібліографічний опис

Фурман М. А. Методи розпізнавання рухомих об'єктів [Електронний ресурс] / М. А. Фурман, Л. В. Крупельницький // Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2023/paper/view/17523.

URI

http://ir.lib.vntu.edu.ua/handle/123456789/39322

Зібрання

НТКП ВНТУ. Факультет інформаційних технологій та комп'ютерної інженерії (2023)

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (9)

  1. Wu, B., & Nevatia, R. (2007). Detection and tracking of multiple, partially occluded humans by Bayesian combination of edgelet based part detectors. International Journal of Computer Vision, 75(2), 247-266. doi: 10.1007/s11263-006-0002-5
  2. Redmon, J., Divvala, S., Girshick, R., & Farhadi, A. (2016). You only look once: Unified, real-time object detection. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 779-788). doi: 10.1109/CVPR.2016.91
  3. Zhan, L., Fang, Y., & Cao, Z. (2018). Moving object detection using deep convolutional neural networks. Journal of Visual Communication and Image Representation, 51, 160-170. doi: 10.1016/j.jvcir.2017.11.003
  4. Choi, J. H., Lee, J. H., & Lee, S. W. (2010). Real-time moving object detection and tracking for intelligent surveillance systems. Journal of Real-Time Image Processing, 5(4), 245-257. doi: 10.1007/s11554-009-0147-y
  5. Khan, N., & Rehman, A. (2018). A review on moving object detection and tracking in video surveillance. Multimedia Tools and Applications, 77(22), 29835-29857. doi: 10.1007/s11042-018-69799
  6. Zhang, Y., Liu, S., & Wang, Q. (2020). A real-time pedestrian detection algorithm based on improved YOLOv3. Journal of Intelligent & Fuzzy Systems, 38(5), 5435-5447. doi: 10.3233/JIFS191107
  7. Leibe, B., Schindler, K., & Cornelis, N. (2008). Coupled object detection and tracking from static cameras and moving vehicles. IEEE Transactions on Pattern Analysis and Machine Intelligence, 30(10), 1683-1698. doi: 10.1109/TPAMI.2007.70844
  8. Zhang, Y., Jiao, J., & Jiao, L. (2019). Object tracking based on modified KCF algorithm. Multimedia Tools and Applications, 78(5), 5459-5473. doi: 10.1007/s11042-018-6979-9
  9. Ren, S., He, K., Girshick, R., & Sun, J. (2015). Faster R-CNN: Towards real-time object detection with region proposal networks. In Advances in neural information processing systems (pp. 9199). doi: 10.1109/TPAMI.2015.2437388