19392

۱۹۳۹۲

تحليل عملكرد، بهينه سازي و پياده سازي الگوريتم فيلتر ذرات براي رديابي بلادرنگ اهداف متحرك

كارشناسي ارشد

الكترونيك

۱۳۹۴

۱۳۹۷/۴/۳

دكتر جواد ياوند حسني

برق

رديابي هدف يكي از موضوعات مهم در حوزه پردازش تصوير و بينايي ماشين است. امروزه در كاربردهاي مختلف صنعتي، تجاري، نظامي و... به‌صورت گسترده‌اي از روش‌هاي مختلف رديابي تصويري استفاده مي‌شود. عليرغم پيشرفت‌هاي زيادي كه در دهه‌هاي اخير در اين حوزه حاصل‌شده است، اما هنوز هم چالش‌هاي بسياري در اين مسير وجود دارند. ازجمله چالش‌هاي مهم موجود در حوزه‌ي رديابي تصويري، نياز به مدل‌سازي دقيق رفتار جسم هدف است. روش‌هاي گوناگوني براي تحليل رفتار اهداف ارائه‌شده است. در ميان اين رهيافت‌ها، رويكردهاي مبتني بر احتمال به‌خوبي مي‌توانند رفتار يك سيستم حركتي را مدل‌سازي كنند. يكي از معروف‌ترين الگوريتم‌هاي احتمالي،‌ الگوريتم فيلتر ذرات است. اين الگوريتم در مواجهه با سيستم‌هايي كه رفتار آن‌ها غيرخطي و غير گوسي است، بسيار كارآمد است. علي‌رغم وجود برتري‌هاي الگوريتم فيلتر ذرات نسبت به ساير الگوريتم‌هاي احتمالي، نياز به حجم پردازشي بالا در اين الگوريتم، سبب شده است كه در برخي از كاربردها غيرقابل استفاده باشد. بر همين اساس، در اين پايان‌نامه، با ارائه‌ي راهكاري مناسب و ايجاد تغييراتي در الگوريتم، تا حد ممكن از بار محاسباتي موردنياز كاسته شده است. از ديد كلي راهكار ارائه شده به صورت ايجاد تغيير در مرحله نمونه برداري مجدد و تغيير در مدل مشاهده است. اين تغييرات به همراه حذف ذرات كم اهميت از روند محاسبات باعث شده است كه بتوان الگوريتم پيشنهادشده را در پردازنده‌هايي با قيمت و مصرف توان پايين پياده‌سازي كرد. پس از پياده‌سازي روش پيشنهادي و اعمال آن بر روي 4 مجموعه داده‌ي ويدويي استاندارد، نتايج حاصل‌شده نشان مي‌دهند كه روش پيشنهادي در مقايسه با روش پايه‌ي فيلتر ذره حداقل 33٪ و حداكثر 44٪ و در مقايسه با روش‌ بهينه‌شده‌اي كه اخيرا توسط گروهي از محققان اين حوزه ارائه شده‌است نيز حداقل 08/5٪ و حداكثر 67/10٪ بهبود ايجاد كرده‌است.

1397/07/02

Performance Analysis, Optimization and Implementation of Particle Filter Algorithm for Real Time Moving Target Tracking

9/24/2018 12:00:00 AM

Target tracking is one of the most important issues in the field of image processing and machine vision. Today, various applications of industrial, commercial, military, etc are widely used in various techniques of video tracking. Despite of many advances made in recent decades in this area, there are still many challenges in this field. One of the major challenges in the field of video tracking is the need for accurate modeling of target object behavior. Various methods have been developed to analyze the behavior of the objectives. Among these approaches, probabilistic approaches can well model the behavior of a system model. One of the most popular algorithms available in using probabilistic approach is the particle filter algorithm. This algorithm is very efficient in dealing with nonlinear and non-Gaussian systems. Despite of superiority of the particle filter algorithm in comparison with the other statistical algorithms, the need for high processing volumes in this algorithm has made it unusable in some applications. Accordingly, in this thesis, by presenting a suitable strategy and making changes to the conventional algorithm, the required computational burden has been reduced, so that the proposed algorithm can be implemented in low cost and low power processors. The result of the implementation show that the proposed method improved at least 33% and up to 44% compared with the basic method, and at least 5.08% up to 10.67% compared with the recent approach.