فایل ورد کامل ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی ۳۸ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی ۳۸ صفحه در word دارای ۳۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی ۳۸ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی ۳۸ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی ۳۸ صفحه در word :

دانلود ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی
ترجمه در قالب فایل Word و قابل ویرایش میباشد
سال انتشار:۲۰۱۲
تعداد صفحه ترجمه:۲۵
تعداد صفحه فایل انگلیسی:۹

موضوع انگلیسی :People/vehicle classification by recurrent motion of
skeleton features
موضوع فارسی:دانلود ترجمه مقاله طبقه¬بندی وسایل نقلیه افراد از طریق حرکت بازگشتی مشخصه¬های اسکلتی
چکیده انگلیسی:Abstract: Object classification is a major application in video surveillance such as automatic vehicle detection and pedestrian
detection, which is to monitor thousands of vehicles and people. In this study, an object classification algorithm is proposed
to classify the objects into persons and vehicles despite the presence of shadow and partial occlusion in mid-field video using
recurrent motion image (RMI) of skeleton features. In this framework, the background subtraction using a Gaussian mixture
model is followed by Gabor filter based shadow removal in order to remove the shadow in the image. The star
skeletonisation algorithm is performed on the segmented objects to obtain skeleton features. Then the RMI is computed and it
is partitioned into two sections such as top and bottom. Based on the signatures derived from the bottom section of the
partitioned RMI using skeleton features, the object is classified into people and vehicles.
چکیده فارسی:طبقه­بندی شیء کاربردی مهم در نظارت ویدئویی مثل شناسایی اتوماتیک وسیله نقلیه و شناسایی عابر است که هزاران وسیله نقلیه و فرد را نمایش می­دهد. در این تحقیق، الگوریتم طبقه­بندی جسم جهت طبقه­بندی اشیاء به افراد و وسایل نقلیه مطرح می­شود که بعلاوه حضور سایه و انسداد جزئی در ویدئو میان میدانی با استفاده از تصویر حرکت بازگشتی (RMI) مشخصه­های اسکلتی است. در این چارچوب، کاهش بک گراند با استفاده از مدل ترکیب گاوسی به دنبال حذف سایه براساس فیلتر گابور است تا سایه موجود در تصویر را حذف کند. الگوریتم استخوانبندی استار برروی اشیاء قطعه قطعه شده اجرا می­شود تا مشخصه­های استخوان بندی حاصل شود سپس RMI محاسبه می­شود. و به دو بخش مثلاً بالا و پایین تقسیم­بندی می­شود. براساس امضاهای بخش پائین RMI قطعه بندی شده با استفاده از مشخصه­های اسکلتی، شیء به افراد و وسایل نقلیه طبقه­بندی می­شود.