پروژه آموزشی دسته بندی بردارهای حرکت بدست آمده از یک ویدیوی کوتاه با متلب

نمایش بردار تخمین حرکت

 روش اول استفاده از کد نویسی است. فاکشن‌هایی که دو تصویر انتخابی را خوانده، روی آن تقسیم بندی انجام دهند و با الگوریتم جستجو شباهت را آشکار کرده و با فریم قبل مقاسیه کنند تا بردار حرکت در آن بدست آید.

روش دوم استفاده از دستورات مستقیمی است که در متلب برای نمایش بردار حرکت کاربرد دارد. از “opticalFlow” برای نمایش جهت حرکت در شکل-الف استفاده شده است. این دستور پس از خواندن ویدئو، قاب‌های تصویر را جدا می‌کند و روی هر قاب تقسیم بندی بلوکی انجام می‌دهد (به روش خودش مربع‌هایی در نظر می‌گیرد که قابل تنظیم است) و با مقایسه هر بلوک با متناظر آن در فریم بعد ماتریس های انداز و جهت حرکت تولید کرده و به نمایش در می‌آورد. گاهی بردارهای تولید شده برای نمایش کوچکند و نیاز به بزرگنمایی دارد که در دستور قابل انجام است. در m فایل ارسالی فیلم و کد نمونه ارسال شده است.

فایل ضمیمه شامل دستوراتی است که بردارهای رکت ویدئوی نمونه را بیرون کشیده و در سلولی متناسب با ابعاد تصویر و تعداد فریم ها قرار داده است.

هدف این پروژه

• دسته بندی جهت بردارها برای هر فریم

می‌خواهیم بردارهای بدست آمده (در آرایه سلولی flow)  که در جهت راست به چپ قرار دارند در تصویر از دیگر بردارهای جدا شده و در یک دسته قرار گرفته و امکان نشان آن در یک فریم وجود داشته باشد.

لازم است آستانه‌ای برای بردارها در نظر گرفته شود که از آن آستانه به قبل، بردارها افقی به سمت چپ تلقی ش. (همانند بخش افقی در شکل ب)

• سپس روی کل 907 فریم ویدئوی نمونه (OrbitG-576×324.mp4) آلگوریتم یادگیری ایجاد کنیم که اگر ویدئویی با همین حدود فریم و میدان دید داشتیم، بتواند بردار حرکت پیش فرض برای ویدئوی جدید را پیشنهاد دهد.

هدف این پروژه

• دسته بندی جهت بردارها برای هر فریم

می‌خواهیم بردارهای بدست آمده (در آرایه سلولی flow)  که در جهت راست به چپ قرار دارند در تصویر از دیگر بردارهای جدا شده و در یک دسته قرار گرفته و امکان نشان آن در یک فریم وجود داشته باشد.

لازم است آستانه‌ای برای بردارها در نظر گرفته شود که از آن آستانه به قبل، بردارها افقی به سمت چپ تلقی ش. (همانند بخش افقی در شکل ب). انجام پروژه متلب

• سپس روی کل 907 فریم ویدئوی نمونه (OrbitG-576×324.mp4) آلگوریتم یادگیری ایجاد کنیم که اگر ویدئویی با همین حدود فریم و میدان دید داشتیم، بتواند بردار حرکت پیش فرض برای ویدئوی جدید را پیشنهاد دهد.

پروژه آموزشی با موضوع دسته بندی بردارهای حرکت تهیه شده است. در فایل ارسالی 2 پوشه وجود دارد که متناظر با 2 سوال مطرح شده توسط شما میباشد. در فولدر 1 کد نویسی به  دسته بندی جهت بردارها برای هر فریم می پردازد. در فولدر 2 هم کد نویسی برای الگوریتم یادگیری روی 907 فریم ویدئوی نمونه (OrbitG-576×324.mp4 )  می باشد. شما کافی است در هر فولدر کد main  را اجرا کنید و نتایج را ببینید.

توضیحات و نتایج هر کد بصورت زیر است:

کد main در فولدر 1

clc

fclose all;

close all

clear all

format short

warning off

این دستورات برای آماده سازی متلب می باشد

Thr=10;

این پارامتر آستانه مورد نظر شما برای نمایش بردارهای حرکت را مشخص میکند. این عدد بین 0 تا 90 قابل تنظیم است.

showFF=1;

این مشخص میکند که نتایج بصورت شهودی برای شما پخش شود. 1 یعنی نمایش بده و 0 یعنی نمایش نده.

vidReader = VideoReader(OrbitG_576x324.mp4′);

در این خط ویدئوی مورد نظر لود میشود

opticFlow = opticalFlowHS;

در این خط روش استخراج بردارها مشخص شده است.

پروژه آموزشی دسته بندی بردارهای حرکت بدست آمده از یک ویدیوی کوتاه با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده است .