دانلود مقاله آشکار سازی خودکار 2D (دو بعدی) تجهیزات و کارگران ساختمانی از جریان های ویدئوی مکان با استفاده از هیستوگرامهای شیب های جهت دار و رنگها
تعداد کلمات فایل انگلیسی:7903 کلمه 14 صفحه pdf
تعداد صفحات فایل ترجمه :25 صفحه word فونت 14 B Nazanin
آشکار سازی خودکار 2D (دو بعدی) تجهیزات و کارگران ساختمانی از جریان های ویدئوی مکان با استفاده از هیستوگرامهای شیب های جهت دار و رنگها
چکیده
این مقاله یک دید کامپیوتری براساس الگوریتم، برای آشکارسازی 2D خودکار کارگران ساختمانی و تجهیزات از جریان های ویدئوی مکان ارائه می کند. این تحقیق مدرن، روش های آشکارسازی نمیهخودکار برای ردیابی کارگران و تحهیزات ساخت و ساز را پیشنهاد می کند. با در نظر گرفتن تعداد تجهیزات و کارگران فعال در مکان کار و فرکانس ظهور آنها در میدان دید دوربین ، کاربرد تکنیکهای نیمه خودکار می تواند زمان بر باشد. برای بیان این محدودیت، یک الگوریتم جدید بر اساس هیستوگرامهای شیب های جهت دار و رنگها پیشنهاد شده است. اشکارسازی پیشنهادی ما از پنجره لغزشی واحد در مقیاس های متعدد استفاده می کند تا کاندیدهای بالقوه برای جایگیری تجهیزات و کارگران در دو بعد را شناسایی نماید. هر پنجره آشکارسازی در ابتدا به دو ناحیه مکانی کوچک تقسیم شده و سپس جهت های شیب و رنگ های رنگ اشباع به طور محلی هیستوگرام و الحاق شده تا توصیفات را تشکیل دهند. چرخاندن پنجره آشکارسازی لغزشی با یک شبکه چگال و هم پوشانی کننده از توصیف کننده تشکیل شده و با استفاده از طبقه بندی کننده دوتایی ماشین بردار پشتیبانی برای هر منبع آشکارسازی 2D خودکار کارگران و تجهیزات را ممکن می سازد. یک مجموعه داده معیار جامع حاوی 8000 فریم های ویدئویی مشروح شامل تجهیزات و کارگران از پروژه های ساخت مختلف معرفی شده است. این مجموعه داده محدوده زیادی از وضعیت، مقیاس ، زمینه ، روشنایی، و تغییرات انسداد را در بردارد. نتایج اولیه ما در مورد آشکارسازی کارگران ایستاده، بیلها و کامیون های کمپرسی با یک دقت میانگین به ترتیب %83/98، %10/82، و %8/48 قابلیت کاربرد روش پیشنهادی برای آنالیز فعالیت خودکار کارگران و تجهیزات از دوریبین ویدئویی واحد را پیشنهاد کرد. برخلاف الگوریتم های مدرن دیگر در ردیابی منبع خودکار، این روش به ویژه منایع بی حرکت را آشکار می کند و به مقداردهی دستی یا نیمه خودکار موقعیتهای منابع در فریم ویدئوی 2D نیاز ندارد. نتایج آزمایشگاهی و مزیتهای درک شده روش پیشنهادی با جزئیات بحث شده اند.
Automated 2D detection of construction equipment and workers from site video streams using histograms of oriented gradients and colors
Milad Memarzadeh a‘\ Mani Golparvar-Fard b‘*, Juan Carlos Niebles
ABSTRACT
This paper presents a computer vision based algorithm for automated 2D detection of construction workers and equipment from site video streams. The state-of-the-art research proposes semi-automated detection methods for tracking of construction workers and equipment. Considering the number of active equipment and workers on jobsites and their frequency of appearance in a camera’s field of view, application of semi-automated techniques can be time-consuming. To address this limitation, a new algorithm based on Histograms of Oriented Gradients and Colors (HOG + C) is proposed. Our proposed detector uses a single sliding window at multiple scales to identify the potential candidates for the location of equipment and workers in 2D. Each detection window is first divided into small spatial regions and then the gradient orientations and hue-saturation colors are locally histogrammed and concatenated to form the HOG + C descriptors. Tiling the sliding detection window with a dense and overlapping grid of formed descriptors and using a binary Support Vector Machine (SVM) classifier for each resource enables automated 2D detection of workers and equipment. A new comprehensive benchmark dataset containing over 8000 annotated video frames including equipment and workers from different construction projects is introduced. This dataset contains a large range of pose, scale, background, illumination, and occlusion variation. Our preliminary results on detection of standing workers, excavators and dump trucks with an average accuracy of 98.83%, 82.10%, and 84.88% respectively indicate the applicability of the proposed method for automated activity analysis of workers and equipment from single video cameras. Unlike other state-of-the-art algorithms in automated resource tracking, this method particularly detects idle resources and does not need manual or semi-automated initialization of the resource locations in 2D video frames. The experimental results and the perceived benefits of the proposed method are discussed in detail
Keywords:
Histogram of oriented gradients
Support vector machine
HSV colors
Resource tracking
Performance monitoring
کد:9705
دانلود رایگان مقاله انگلیسی
رمز فایل : www.downloadmaghaleh.com
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله آشکار سازی خودکار 2D (دو بعدی) تجهیزات و کارگران ساختمانی از جریان های ویدئوی مکان با استفاده از هیستوگرامهای شیب های جهت دار و رنگها
تعداد کلمات فایل انگلیسی:7903 کلمه 14 صفحه pdf
تعداد صفحات فایل ترجمه :25 صفحه word فونت 14 B Nazanin
آشکار سازی خودکار 2D (دو بعدی) تجهیزات و کارگران ساختمانی از جریان های ویدئوی مکان با استفاده از هیستوگرامهای شیب های جهت دار و رنگها
چکیده
این مقاله یک دید کامپیوتری براساس الگوریتم، برای آشکارسازی 2D خودکار کارگران ساختمانی و تجهیزات از جریان های ویدئوی مکان ارائه می کند. این تحقیق مدرن، روش های آشکارسازی نمیهخودکار برای ردیابی کارگران و تحهیزات ساخت و ساز را پیشنهاد می کند. با در نظر گرفتن تعداد تجهیزات و کارگران فعال در مکان کار و فرکانس ظهور آنها در میدان دید دوربین ، کاربرد تکنیکهای نیمه خودکار می تواند زمان بر باشد. برای بیان این محدودیت، یک الگوریتم جدید بر اساس هیستوگرامهای شیب های جهت دار و رنگها پیشنهاد شده است. اشکارسازی پیشنهادی ما از پنجره لغزشی واحد در مقیاس های متعدد استفاده می کند تا کاندیدهای بالقوه برای جایگیری تجهیزات و کارگران در دو بعد را شناسایی نماید. هر پنجره آشکارسازی در ابتدا به دو ناحیه مکانی کوچک تقسیم شده و سپس جهت های شیب و رنگ های رنگ اشباع به طور محلی هیستوگرام و الحاق شده تا توصیفات را تشکیل دهند. چرخاندن پنجره آشکارسازی لغزشی با یک شبکه چگال و هم پوشانی کننده از توصیف کننده تشکیل شده و با استفاده از طبقه بندی کننده دوتایی ماشین بردار پشتیبانی برای هر منبع آشکارسازی 2D خودکار کارگران و تجهیزات را ممکن می سازد. یک مجموعه داده معیار جامع حاوی 8000 فریم های ویدئویی مشروح شامل تجهیزات و کارگران از پروژه های ساخت مختلف معرفی شده است. این مجموعه داده محدوده زیادی از وضعیت، مقیاس ، زمینه ، روشنایی، و تغییرات انسداد را در بردارد. نتایج اولیه ما در مورد آشکارسازی کارگران ایستاده، بیلها و کامیون های کمپرسی با یک دقت میانگین به ترتیب %83/98، %10/82، و %8/48 قابلیت کاربرد روش پیشنهادی برای آنالیز فعالیت خودکار کارگران و تجهیزات از دوریبین ویدئویی واحد را پیشنهاد کرد. برخلاف الگوریتم های مدرن دیگر در ردیابی منبع خودکار، این روش به ویژه منایع بی حرکت را آشکار می کند و به مقداردهی دستی یا نیمه خودکار موقعیتهای منابع در فریم ویدئوی 2D نیاز ندارد. نتایج آزمایشگاهی و مزیتهای درک شده روش پیشنهادی با جزئیات بحث شده اند.
Automated 2D detection of construction equipment and workers from site video streams using histograms of oriented gradients and colors
Milad Memarzadeh a‘\ Mani Golparvar-Fard b‘*, Juan Carlos Niebles
ABSTRACT
This paper presents a computer vision based algorithm for automated 2D detection of construction workers and equipment from site video streams. The state-of-the-art research proposes semi-automated detection methods for tracking of construction workers and equipment. Considering the number of active equipment and workers on jobsites and their frequency of appearance in a camera’s field of view, application of semi-automated techniques can be time-consuming. To address this limitation, a new algorithm based on Histograms of Oriented Gradients and Colors (HOG + C) is proposed. Our proposed detector uses a single sliding window at multiple scales to identify the potential candidates for the location of equipment and workers in 2D. Each detection window is first divided into small spatial regions and then the gradient orientations and hue-saturation colors are locally histogrammed and concatenated to form the HOG + C descriptors. Tiling the sliding detection window with a dense and overlapping grid of formed descriptors and using a binary Support Vector Machine (SVM) classifier for each resource enables automated 2D detection of workers and equipment. A new comprehensive benchmark dataset containing over 8000 annotated video frames including equipment and workers from different construction projects is introduced. This dataset contains a large range of pose, scale, background, illumination, and occlusion variation. Our preliminary results on detection of standing workers, excavators and dump trucks with an average accuracy of 98.83%, 82.10%, and 84.88% respectively indicate the applicability of the proposed method for automated activity analysis of workers and equipment from single video cameras. Unlike other state-of-the-art algorithms in automated resource tracking, this method particularly detects idle resources and does not need manual or semi-automated initialization of the resource locations in 2D video frames. The experimental results and the perceived benefits of the proposed method are discussed in detail
Keywords:
Histogram of oriented gradients
Support vector machine
HSV colors
Resource tracking
Performance monitoring
کد:9705
دانلود رایگان مقاله انگلیسی
رمز فایل : www.downloadmaghaleh.com