32,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
16 °P sammeln
  • Broschiertes Buch

Catturare e tracciare pedoni o esseri umani in movimento e qualsiasi oggetto in movimento è sempre un compito impegnativo per qualsiasi sistema. Il sistema diventa più impegnativo a causa della variazione degli obiettivi, delle condizioni di luce e del movimento dell'oggetto. L'istogramma dei gradienti orientati (HOG) è uno dei descrittori migliori e più popolari utilizzati per il rilevamento dei pedoni mediante il classificatore Harr. Il rilevatore HOG è un algoritmo a finestra scorrevole, il che significa che per qualsiasi immagine viene spostata una finestra in tutte le posizioni e scale e…mehr

Produktbeschreibung
Catturare e tracciare pedoni o esseri umani in movimento e qualsiasi oggetto in movimento è sempre un compito impegnativo per qualsiasi sistema. Il sistema diventa più impegnativo a causa della variazione degli obiettivi, delle condizioni di luce e del movimento dell'oggetto. L'istogramma dei gradienti orientati (HOG) è uno dei descrittori migliori e più popolari utilizzati per il rilevamento dei pedoni mediante il classificatore Harr. Il rilevatore HOG è un algoritmo a finestra scorrevole, il che significa che per qualsiasi immagine viene spostata una finestra in tutte le posizioni e scale e viene calcolato un descrittore. La finestra è un classificatore preaddestrato che viene calcolato per il set di dati per il descrittore. Il classificatore utilizzato è un classificatore lineare Support Vector Machine e il descrittore si basa sugli istogrammi degli orientamenti dei gradienti. L'orientamento e la grandezza del gradiente sono ottenuti per ogni pixel dell'immagine pre-elaborata. Il set di dati viene creato e la soglia di successo viene creata per il descrittore per 30 fotogrammi al secondo per le 1000 immagini positive. La dimensione della finestra di acquisizione viene ridotta a 320 per 240 per ottenere l'efficienza e la velocità che sono il limite di HOG.
Autorenporträt
Ausgezeichnet als "Beste Fakultät des Jahres" bei den TechNext India 2018, Jährliche Auszeichnungen für Industrie und Wissenschaft (2018). Forschung zu "Anti-Forensik und Bildverarbeitung", Master in Computertechnik, Referent zu den Themen Big Data Analytics, Blockchain, R-Programmierung.