شبیه سازی آموزشی مقاله آشکارسازی صندلی خالی با استفاده از تشخیص چهره و تطبیق همبستگی با متلب

توضیحات

شبیه سازی مقاله آشکارسازی صندلی خالی با استفاده از تشخیص چهره و تطبیق همبستگی با متلب

چکیده

ابتکار اصلی این مقاله، توضیح مفهوم سیستم آشکارسازی صندلی خالی و یافتن تعداد صندلی­های خالی باقی مانده در یک سالن است. سیستم کارامد آشکارسازی صندلی خالی با استفاده از ترکیبی از الگوریتم ویولا-جونز[1] و تطبیق همبستگی مبتنی بر الگو حاصل می شود. سیستم پیشنهادی بسیار کارآمد است. این سیستم، مدیریت جمعیت را با به روز کردن دوره­ای تعداد صندلی­های خالی تسهیل می­کند.

کلمات کلیدی- مدیریت جمعیت، صندلی خالی، تشخیص چهره، تطبیق همبستگی مبتنی بر الگو، نظارت تصویری، الگوریتم ویولا-جونز.

1- مقدمه

تعدادی صندلی خالی در یک سالن شلوغ  اشغال نشده مانده است. دوربین­های با وضوح وکیفیت بالا (HD) در گوشه و کنار سالن تنظیم شده و فیلم به طور مداوم ضبط می­شود. فیلم­های حاصل در فریم­هایی تقسیم شده و هر یک از این فریم­ها برای اطلاع از حضور انسان بررسی می­شوند. در ابتدا، فریم­های به دست آمده برای شناسایی تعداد اولیه صندلی­های موجود در سالن مورد تطبیق همبستگی مبتنی بر الگو قرار می­گیرند. پس از به دست آوردن این تعداد اولیه صندلی­ها، این تعداد به عنوان ورودی فرآیند بعدی عمل می­کند. فریم­ها سپس با استفاده از الگوریتم تشخیص چهره ویولا-جونز پردازش می­شوند تا حضور انسان را مشخص کنند. بنابراین، از اطلاعات به دست آمده، سیستم می­تواند تعداد صندلی­های خالی موجود در سالن را نتیجه­گیری کند. تعداد صندلی­های خالی در مانیتوری که در خارج از سالن قرار دارد نمایش داده شده  و به این ترتیب افراد خارج از سالن می­توانند به سادگی از وجود صندلی خالی آگاه شوند. این سیستم به سازماندهی سریع جمعیت کمک کرده و زمان نامطلوب انتظار را کاهش می­دهد. بنابراین این سیستم در مدیریت جمعیت نقش اساسی دارد. این کار پیشنهادی با آدابوست[2] ، که یک الگوریتم تقویت کننده برای تشخیص خودکار چهره­ انسان­ها است، مقایسه شده و سپس چهره استخراج شده وارد الگوریتم کامشیفت[3] می­شود.

شکل 1 ایده مختصری راجع به عملکرد اجرایی سیستم به شما می­دهد. این فیلم به کمک دوربین­های مختلف که در موقعیت­های مختلف سالن مستقر هستند، به طور مداوم ضبط می­شود. فریم­های اولیه که مربوط به سالن خالی هستند، برای به دست آوردن تعداد اولیه صندلی­های خالی در معرض تطبیق همبستگی مبتنی بر الگو قرار می­گیرند فریم­های به دست آمده از فیلم، جهت بررسی حضور انسان به ترتیب تحلیل می­شوند. اگر حضور انسان­ تشخیص داده شود، تعداد آن­ها برای همه فریم­ها یکسان به دست می­آید. تعداد صندلی­های خالی در یک بازه دوره­ای 5 ثانیه به روز می­شود. این تعداد شمارش شده مقادیر حاصل از پردازش فریم­ها در طول آن 5 ثانیه است. اگر حضور انسان تشخیص داده شود، تعداد صندلی های خالی به روز می­شوند، در غیر این صورت تعداد صندلی اولیه بدون تغییر باقی می­ماند. انجام پروژه متلب

2- روش دقیق

این مقاله استفاده از الگوریتم ویولا-جونز، یک الگوریتم شناخته شده برای تشخیص حضور انسان را پیشنهاد می­دهد. الگوریتم ویولا-جونز یک الگوریتم تشخیص چهره در زمان واقعی است. این الگوریتم در انتخاب ویژگی­ها کارآمد بوده ودر محسابه ویژگی سریع است، سریع­تر از آشکارگر اشنایدرمن-کاناد[4]. این الگوریتم تنها ویژگی­ها و نه خود تصویر را مقیاس می­دهد. این یک الگوریتم عمومی است که نه تنها برای تشخیص چهره­ها استفاده می­شود بلکه می­توان آن را برای تشخیص هر شیء هدف مورد نظر آموزش داد. این الگوریتم به شناسایی حضور انسان و شمارش تعداد کمک می­کند. این پژوهش همچنین یک الگوریتم موفق دیگر به نام تطبیق الگو را مورد استفاده قرار داده است. از این الگو برای پیدا کردن ضریب همبستگی و از ضریب همبستگی برای به دست آوردن تعداد صندلی اولیه در سالن استفاده می­شود. پیچیدگی زمانی محاسبه ضریب همبستگی با تبدیل سریع فوریه (FFT)  کاهش می­یابد.

. کامنت گذاری داخل کد با سرفصل های مقاله کاملا هماهنگی دارد. بعلت پایین بودن کیفیت تصاویر مقاله، از تصاویری که در اینترنت موجود بود استفاده شد تا هم تصویر قبل و بعد از نشستن توسط افراد مختلف موجود باشد. توضیحات کد main برای کار شما بصورت زیر است :

% Empty Seat Revelation Using Face Detection And Correlation Matching

 

%% A.  Template Based Correlation Matching

 

clc

clear all

close all

format compact

 این قسمت برای اغاز بکار متلب می باشد.

 

Org_im=imread(‘Occupied seats.jpg’);

Emp_im=imread(‘Empty seats.jpg’);

Tmp_im=imread(‘Template image.jpg’);

 تصاویر پایه، صندلی های خالی و تمپلیت را می خواند.

 

Org_img=rgb2gray(Org_im);

Emp_img=rgb2gray(Emp_im);

Tmp_img=rgb2gray(Tmp_im);

 این تصاویر را از رنگی به خاکستری تبدیل می کند.

شبیه سازی مقاله آشکارسازی صندلی خالی با استفاده از تشخیص چهره و تطبیق همبستگی با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده است.

• فایلهای پروژه به صورت کامل پس از خرید فایل بلافاصله در اختیار شما قرار خواهد گرفت.

سفارش پروژه مشابه

درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.