حذف ویژگی های مشترک برون کلاسی به منظور بهبود بازشناسی رویداد در تصویر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی نرم افزار، دانشکده رایانه و سایبر، دانشگاه هوایی شهید ستاری، تهران، ایران

2 گروه مهندسی نرم افزار، دانشکده رایانه و سایبر، دانشگاه هوایی شهید ستاری، تهران، ایران.

3 گروه مهندسی نرم افزار دانشکده رایانه و سایبر دانشگاه هوایی شهید ستاری،تهرانفایران

چکیده

امروزه بصورت گسترده برای نظارت و کنترل محیط از سیستم‌های نظارت و پایش تصویری استفاده می‌شود. هدف ما در این مقاله شناسایی و تشخیص رویداد در ویدیو می‌باشد. ما به منظور شناسایی و تشخیص رویداد در ویدیو، ویدیوی ورزش فوتبال را که دارای پیچیدگی‌ها و چالش‌های فراوان است مورد بررسی و آنالیز قرار داده‌ایم در میان این چالش‌ها، می‌توان به خلاصه‌سازی، ردیابی، بازشناسی رویدادهای مهم بازی و غیره اشاره کرد، به عنوان مثال بازشناسی رویدادهایی مانند پنالتی و ضربه آزاد که دارای المان‌های بصری مشترک می‌باشند، دارای چالش بیشتری است. وجود المان‌های مشترک بین دو رویداد سبب استخراج ویژگی‌های مشترک و تفکیک ناپذیر در فرآیند بازشناسی این دو رویداد می‌شود. در نتیجه خطای بازشناسی و تفکیک اینچنین رویدادهایی نسبت به سایر رویدادها بیشتر می‌باشد. در این مقاله ما یک روش جدید برای حذف ویژگی‌های مشترک بین دوکلاس با هدف همگرا کردن ویژگی-های درون کلاسی و واگرا نمودن ویژگی‌های برون‌کلاسی برای افزایش دقت دسته بندی و بازشناسی دو رویداد پنالتی و ضربه آزاد ارائه داده‌ایم. نتایج ارزیابی‌های انجام شده به وسیله روش پیشنهادی، حاکی از بهبود دقت بازشناسی و تفکیک دو رویداد پنالتی و ضربه آزاد با استفاده از روش پیشنهادی می‌باشد و دقت شناسایی و تشخیص این دو رویداد به طور میانگین نسبت به شبکه عصبی عمیق پایه به میزان 9.08 درصد افزایش یافته است.

کلیدواژه‌ها

موضوعات

فصلنامه آماد و فناوری دفاعی

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 22 اسفند 1402

فایل ها

هم رسانی

ارجاع به این مقاله

آمار