Aufnahme und Verfolgung von Bildern und Videos im Live-Streaming

Fußgänger oder Menschen in ihrer Bewegung und jedes sich bewegende Objekt zu erfassen und zu verfolgen, ist für jedes System immer eine anspruchsvolle Aufgabe. Die Herausforderung für das System wird durch die Bandbreite der Ziele, die Lichtverhältnisse und die Bewegung des Objekts noch größer. Der Histogramm-orientierter-Gradienten-Deskriptor (HOG) ist einer der besten und beliebtesten Deskriptoren, die für die Fußgängererkennung mit dem Harr-Klassifikator verwendet werden. Der HOG-Detektor ist ein Algorithmus mit gleitendem Fenster, d. h. für jedes beliebige Bild wird ein Fenster an allen Positionen und in allen Maßstäben verschoben und ein Deskriptor berechnet. Das Fenster ist ein vorab trainierter Klassifikator, der für den Datensatz für den Deskriptor berechnet wird. Der verwendete Klassifikator ist ein linearer Support-Vector-Machine-Klassifikator und der Deskriptor basiert auf Histogrammen von Gradientenorientierungen. Gradientenorientierungen und -größen werden für jedes Pixel aus dem vorverarbeiteten Bild ermittelt. Der Datensatz wird erstellt und der Trefferschwellenwert wird für den Deskriptor für 30 Bilder pro Sekunde für die 1000 positiven Bilder erstellt. Die Größe des Erfassungsfensters wird auf 320 x 240 reduziert, um die Effizienz und Geschwindigkeit zu erreichen, die die Begrenzung des HOG darstellen.

Autorentext

Récompensé par le titre de ' Meilleur professeur de l'année ' à TechNext India 2018, prix annuel de l'industrie et de l'université (2018). Recherche sur ' Anti-intrusion et traitement d'images ', Master en ingénierie informatique, conférencier sur les sujets Analyse des données (Big Data), BlockChain, R Programming.