اصلاح ردياب انتقال متوسط براي ردگيري هدف با الگوي تابشي متغير

يكي از روش هاي مرسوم در زمينه ي رديابي تصويري اهداف غيرصلب، استفاده از روالي تكراري به نام انتقال متوسط در تعيين موقعيت مد مركزي هدف است. نمايش هدف در ردياب انتقال متوسط برپايه ي هيستوگرام ويژگي بانقاب گذاري مكاني با يك كرنل مستقل از جهت انجام مي شود. بحراني ترين چالش در ردياب انتقال متوسط، تنظيم مقياس كرنل است. تاكنون هيچ روش كارامد و بي عيب و نقصي براي تنظيم و يا وفق دهي ابعاد كرنل، زماني كه ابعاد هدف تغييرمي كند، ارايه نشده است. مشكل ديگر ردياب انتقال متوسط در رويارويي با هدف با الگوي تابشي متغير پيش مي آيد. در اين مقاله با رويكرد حل اين مشكلات، الگوريتم رديابي انتقال متوسط همراه با اندازه بندي وفقي قوي ارايه مي‌گردد، ضمن اين كه مشكل الگوريتم انتقال متوسط را در مواجهه با تغييرات الگوي تابشي هدف با وفق دهي مدل هدف در هر قاب حل مي كند. در روش پيشنهادي، ابتدا با استفاده از روش محاسبه ي توان ناشي از مشتقات مكان- زماني شدت پيكسل هاي تصوير، ابعاد پنجره در قاب بعد تنظيم مي شود. سپس نتايج حاصل از اندازه بندي پنجره در قاب بعد، در ردياب انتقال متوسط اعمال مي شود. نتايج نشان مي ‌دهند كه استفاده از الگوريتم پيشنهادي ضمن اينكه به كاهش خطاي موقعيت يابي هدف در مقايسه با الگوريتم انتقال متوسط استاندارد مي ‌انجامد، در برابر تغييرات تباين2 و الگوي تابشي هدف نيز كارايي قابل توجهي از خود نشان مي دهد.

The mean shift algorithm is one of the popular methods in visual tracking for non-rigid moving targets. Basically, it is able to locate repeatedly the central mode of a desirable target. Object representation in mean shift algorithm is based on its feature histogram within a non-oriented individual kernel mask. Truly, adjusting of the kernel scale is the most critical challenge in this method. Up to now, no methods are presented that can perfectly as well as efficiently adjust and adapt the kernel scale during track when a target is resized. Another problem of mean shift tracking algorithm will be encountered whenever photometric properties of target texture changes. In order to solve these problems, this paper presents a modified mean shift tracking algorithm that is used a robust adaptive sizing technique. It can also cope with photometric changes of target template by adapting of its model in every frame of image sequence. In our proposed method, at first, the target window is adaptively resized with respect to spatio-temporal gradient powers of its pixel intensities in current frame and then mean shift algorithm is consequently applied to the resulted sizing window. Compared to standard mean shift algorithm, experimental results show that our proposed method, not only reduces center location errors of target, but also efficiently track it in the presence of changing illumination.