<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>رئیس دانشکده مهندسی برق و کامپیوتر</PublisherName>
				<JournalTitle>مجله مهندسی برق دانشگاه تبریز</JournalTitle>
				<Issn>2008-7799</Issn>
				<Volume>46</Volume>
				<Issue>3</Issue>
				<PubDate PubStatus="epublish">
					<Year>2016</Year>
					<Month>09</Month>
					<Day>10</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Classification of Features Extracted from Image Foreground and Background for Tracking of Aerial Moving Targets</ArticleTitle>
<VernacularTitle>دسته بندی ویژگی های استخراج شده از پیش زمینه و پس زمینه تصویر برای ردیابی اهدف متحرک هوایی</VernacularTitle>
			<FirstPage>1</FirstPage>
			<LastPage>11</LastPage>
			<ELocationID EIdType="pii">5125</ELocationID>
			
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>علی محمد</FirstName>
					<LastName>لطبف</LastName>
<Affiliation>دانشگاه یزد</Affiliation>

</Author>
<Author>
					<FirstName>وحید</FirstName>
					<LastName>آزاد زاده</LastName>
<Affiliation>فارغ التحصیل کارشناسی ارشد دانشگاه یزد</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2015</Year>
					<Month>04</Month>
					<Day>27</Day>
				</PubDate>
			</History>
		<Abstract></Abstract>
			<OtherAbstract Language="FA">&lt;strong&gt;چکیده:&lt;/strong&gt; ردیابی هدف متحرک فرایندی است که در آن یک شیء مشخص در یک دنباله ویدئویی از فریم‌ها تعقیب و مکان آن در هر فریم آشکار می‌شود. هدف از این فرایند تسهیل در پردازش‌های بعدی برای تحلیل رفتار یا شناسایی سوژه متحرک است. در این مقاله رویکردی در زمینه ردیابی اهداف متحرک هوایی بر مبنای الگوریتم‌های تطبیق مشخصه ارائه ‌شده است. چالش موجود، دسته­بندی ویژگی­های استخراج‌شده از پس‌زمینه و پیش­زمینه ناحیه­ هدف است. برای حل این مشکل نقاط کلیدی و متناظر آن­ها در الگوهای استخراج‌شده از فریم­های متوالی، توسط الگوریتم KLT محاسبه می­شود، سپس برای هر کدام از این نقاط شش ویژگی رنگ، میانگین، واریانس و دامنه تغییرات محاسبه می­شود و با استفاده از این ویژگی­ها و تابع متمایزکننده بیزین نقاط ویژگی دسته­بندی می‌شوند. علاوه‌بر‌این برای مقاوم کردن الگوریتم پیشنهادی نسبت به تغییر مقیاس هدف از تاریخچه مقیاس سوژه در 10 فریم قبلی استفاده شده است. الگوریتم ارائه‌شده بر روی پایگاه داده استاندارد AIRCRAFT TRACKING اجرا شد. نتایج آزمایش­ها کارآمدی روش ارائه‌شده را در دقت ردیابی نسبت به الگوریتم‌های ردیابی KLT و SURF نشان می­دهد. </OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">واژه‌های کلیدی: الگوریتم KLT</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تابع بیزین</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">تطبیق مشخصه</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">ردیابی هدف</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://tjee.tabrizu.ac.ir/article_5125_51a880b0829642ed701fc9604b8bf9a2.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
