هﺪﻴﻜﭼ
ﻪﻟﺎﻘﻣﻦﻳارد شورﻚﻳ
ﻪﺘﻓﺎﻳدﻮﺒﻬﺑ ياﺮﺑ
نﺎﻜﻣ
ﻲﺑﺎﻳ
و ﻲﺑﺎﻳدر ﺔﺘﺳﻮﻴﭘ
هﺮﻬﭼ
ﻮﺋﺪﻳورد دﺎﻬﻨﺸﻴﭘ
ﺖﺳاهﺪﺷ
. رد
شور
هﺪـﺷﻪﺋارا
ردهﺮﻬﭼﺔﻴﺣﺎﻧاﺪﺘﺑا
ﻲﻟاﻮﺗﻦﻴﻟوا ﻲﻣيزﺎﺳرﺎﻜﺷآﻲﻳﻮﺋﺪﻳو
ددﺮﮔ
ﻲﺑﺎﻳدرﺲﭙﺳو
ﻲﻟاﻮﺗردهﺮﻬﭼﺖﻴﻌﻗﻮﻣ
ﺑيﺎﻫ مﺎﺠﻧايﺪﻌ ﻣ
ﻲ -
دﺮﻴﮔ .
نﺎﻜﻣياﺮﺑ
ﻲﺑﺎﻳ
ﺔﻴﺣﺎﻧ
شورﻚﻳزاهﺮﻬﭼ
ﻊﻳﺮﺳ
ﻖﻴﻗدو
ﮓﻧرلﺪﻣﺮﺑﻲﻨﺘﺒﻣ
ﺖﺳاهﺪﻳدﺮﮔهدﺎﻔﺘﺳاﺖﺳﻮﭘ .
شورﻦﻳارد
،
لﺪﻣ
ةﺮﻬﭼﺖﺳﻮﭘﮓﻧر
ﻒﻠﺘﺨﻣداﺮﻓا رد
يﺎﻀﻓ
rgb
ﺑودﻲﺳﻮﮔﻊﺑﺎﺗﻚﻳﺎﺑ ﺖﺳاهﺪﺷهدزﻦﻴﻤﺨﺗيﺪﻌ
.
ﻲﻟاﻮـﺗﻦﻴـﻟواﺲﭙـﺳ
ﺮﺘﻠﻴﻓﻚﻳﺎﺑﻲﻳﻮﺋﺪﻳو
ﻲﺳﻮﮔﻊﺑﺎﺗﺎﺑﻖﺑﺎﻄﻣﻲﻘﻓِو
ﻲﻨﻴﻤﺨﺗ
، ﻲﻣﺮﺘﻠﻴﻓ ددﺮﮔ ﻲﻟاﻮﺗرد .
ﺑيﺎﻫ
يﺪﻌ
شورﻚـﻳﺎـﺑهﺮـﻬﭼﺖـﻴﻌﻗﻮﻣ
ﺎﻳدﻮﺒﻬﺑ ﺶﻣﺮﺑﻲﻨﺘﺒﻣﻪﺘﻓ ﻞﻜﺷيﺎﻫ
ﺮﻳﺬﭘ
ﺑود ﺖﺳاهﺪﺷﻲﺑﺎﻳدريﺪﻌ .
رد
ﺶﻣ
ﺗ يﺪﻳﺪﺟيژﺮﻧاﻊﺑﺎ هﺪﺷﻒﻳﺮﻌﺗ
ﻛ ﺖﻴﺳﺎﺴـﺣﻪ
وﺰﻳﻮﻧﻪﺑ
ﻳ ارﻲﻳﻮﺋﺪ
ﻪﺑﺖﺒﺴﻧ
شور ﻪﺑﺎﺸﻣيﺎﻫ
ﺖﺳاهدادﺶﻫﺎﻛ
.
شور
ازاﻲﻳﻮﺋﺪـﻳوﻪﻧﻮﻤﻧﻦﻳﺪﻨﭼيورﺮﺑيدﺎﻬﻨﺸﻴﭘ داﺮـﻓ
رد
ﻻﺎﺣ ت ﻈﻧﻒﻠﺘﺨﻣ ﻴ
ﺮ زاهدﺎﻔﺘﺳا ﻋ
ﻴ ﻚﻨ
ﺳﺶﺧﺮﭼ، و،ﺮ
ﺲﭘدﻮﺟ ﻣز ﻴﻨ ﺔ هﺪﻴﭽﻴﭘ ﺟتاﺮﻴﻴﻐﺗ، ﺰ
ﻂﻴﺤﻣرﻮﻧردﻲﺋ و
ﺰﻳﻮﻧدﻮﺟو درﻮـﻣ
ﺞﻳﺎﺘﻧﻪﻛﺖﻓﺮﮔراﺮﻗﺶﻳﺎﻣزآ ﻲﻠﻤﻋ
ﺖﻗد،
، يراﺪﻳﺎﭘ ﻲﻳاﺮﮕﻤﻫو ﻻﺎﺑ
ي ا ارﻢﺘﻳرﻮﮕﻟ ﻲﻣنﺎﺸﻧ
ﺪﻨﻫد .
ﻠﻛتﺎﻤﻠﻛ ﻴ يﺪ نﺎﻜﻣ- هﺮﻬﭼﻲﺑﺎﻳ
،هﺮﻬﭼﻲﺑﺎﻳدر،
،ﺖﺳﻮﭘﮓﻧرلﺪﻣ ﻊﺑاﻮﺗ
،يژﺮﻧا
،يﻮﺘﺴﻣلﺪﻣ ﺶﻣ
يﺎﻫ ﻞﻜﺷ ﺮﻳﺬﭘ .
1 ﻣﺪﻘﻣ - ﻪ
نﺎﻜﻣ ﻲﺑﺎـﻳ درو ـﻳ ﻲﺑﺎ ﺮـﻬﭼ ة ) Face Locating and Tracking (
ردنﺎﺴﻧا ﺮﻳوﺎﺼﺗ ﻦﻛﺎﺳ و ﻲﻟاﻮﺗ يﺎﻫ وﻳ ﻮﺋﺪ ﻲﻳ ﻲﻧﻮﮔﺎـﻧﻮﮔيﺎﻫدﺮﺑرﺎﻛ
ﺪﻧراد . ﻠﻤﺟزا ﻪ ا ﻳ ﻲﻣﺎﻫدﺮﺑرﺎﻛﻦ وﻪﺑناﻮﺗ
ﻳ ﻪﻧﺎﻣﺎـﺳ،ﺲﻧاﺮـﻔﻨﻛﻮﺋﺪ -
ﺑﺮﺑرﺎﻛﻂﺳاويﺎﻫ ﻪ
ارﺎﺑطﺎﺒﺗرارﻮﻈﻨﻣ ﻳ
ﻪﻧﺎ ﻳ هﺎﮕﺘـﺳدﺎ ﺪـﻫ،ﺎـﻫ اﻳ ﺖ
تﺎﺑور ـﺑرود،ﺎـﻫ ﻴ ﻦ ـﻫ يزﺎـﺑ،ﺪﻨﻤـﺷﻮﻫيﺎ اريﺎـﻫ
ﻳ ﻪـﻧﺎ يا ، ﺖـﻴﻌﻗاو
،يزﺎــﺠﻣ ﻪﻧﺎﻣﺎــﺳ ﻪﻧﺎﻣﺎــﺳ،هﺪــﻨﻧارﻲﮕﺘﺴــﺧﺺﻴﺨﺸــﺗيﺎــﻫ يﺎــﻫ
ﺖﻳﻮﻫﺺﻴﺨﺸﺗ نﺎﺴﻧا
و دﻮـﻤﻧهرﺎﺷا ...
2, 7, 10, 14] [
ﺎـﺗ . نﻮـﻨﻛ
ياﺮﺑ نﺎﻜﻣ ﻲﺑﺎﻳ درو ﻳ ﺮﻬﭼﻲﺑﺎ ه شورصﺎﺨﺷا ﻪـﺋاراﻲـﻔﻠﺘﺨﻣيﺎـﻫ
نﺎﻜﻣ ﻲﺑﺎﻳ و هﺮﻬﭼ ﻲﺑﺎﻳدر ﺎﺑ
شور ﻚﻳ ﮓﻧر لﺪﻣ ﺮﺑ ﻲﻨﺘﺒﻣ ﻪﺘﻓﺎﻳ دﻮﺒﻬﺑ
ﺶﻣ و ﺖﺳﻮﭘ ﻞﻜﺷ يﺎﻫ
ﺮﻳﺬﭘ
يرﻮﺒﺻاﺮﻴﻤﺳ
،*
داﺮﻬﺑﺎﺿﺮﻴﻠﻋ
*
و *
يرﻮﻤﻴﺗﻲﻠﻋ
*
*
*
ﺸﻧاد،قﺮﺑﻲﺳﺪﻨﻬﻣﺪﺷراﻲﺳﺎﻨﺷرﺎﻛيﻮﺠﺸﻧاد*
،ﻲﺳﺪﻨﻬﻣوﻲﻨﻓةﺪﻜ ناﺮﻬﺗتﺎﻘﻴﻘﺤﺗومﻮﻠﻋﺪﺣاو،ﻲﻣﻼﺳادازآهﺎﮕﺸﻧاد
*
ﺪﻫﺎﺷهﺎﮕﺸﻧاد،ﻲﺳﺪﻨﻬﻣوﻲﻨﻓةﺪﻜﺸﻧاد،قﺮﺑﻲﺳﺪﻨﻬﻣﺶﺨﺑرﺎﻳدﺎﺘﺳا*
*
*
هﺎﮕﺸﻧاد،ﻲﺳﺪﻨﻬﻣوﻲﻨﻓةﺪﻜﺸﻧاد،قﺮﺑﻲﺳﺪﻨﻬﻣﺪﺷراﻲﺳﺎﻨﺷرﺎﻛيﻮﺠﺸﻧاد*
ﺪﻫﺎﺷ
*[email protected], **[email protected], ***[email protected]
ﺖﺳاهﺪﺷ 15]
, 2, 6- 1 [ تﺎﻋﻼﻃا. ﮓﻧر ﺮﻳﻮﺼﺗ زاﻲﻜﻳ ﻲﮔﮋﻳو ﺎﻫ ي
ﻪﺘﺴﺟﺮﺑ رد وﻲﻳﺎﺳﺎﻨﺷ ءﺎﻴﺷاكرد
ﻲﻣ ﺪﺷﺎﺑ ﻪﻌﻄﻗياﺮﺑﻪﻛ
ويﺪﻨﺑ
نﺎﻜﻣ ﻲﺑﺎﻳ ﺔﻴﺣﺎﻧ هﺮﻬﭼ نﺎﺴﻧا هدﺎﻔﺘﺳاﻢﻫ ﺖﺳاهﺪﻳدﺮﮔ
5, 8, 13, ]
-16 .[2 ﺶﻫوﮋﭘرد 2]
ﻧﺎﻣﺎﺳﻚﻳ [ ﺔ
ِﻂﺳاو ﺮﺑﻲﻨﺘﺒﻣ
ﻢﺸﭼﺖﻛﺮﺣ
داﺮﻓاياﺮﺑ ناﻮﺗﺎﻧ
، هﺎﮕﺘﺳدلﺮﺘﻨﻛرﻮﻈﻨﻣﻪﺑ ،ﺎﻫ
ﺮﻃ ح هﺪﺷ نآردﻪﻛ
ﻣزا ﻮﮔيﺮﺘﻣارﺎﭘلﺪ
ـﻴﺣﺎﻧيزﺎـﺳرﺎﻜﺷآياﺮـﺑﺖـﺳﻮﭘﮓـﻧرﻲـﺳ ﺔ
هدﺎﻔﺘﺳاهﺮﻬﭼ ﺪﻳدﺮﮔ
ﺖﺳاه ﻖﻴﻘﺤﺗرد. 3]
[
ﻪـﻴﺣﺎﻧياﺮـﺑﻲـﺷور -
سﺎﺳاﺮﺑﺮﻳﻮﺼﺗيﺪﻨﺑ
ﻞﻴﻠﺤﺗ ِيﺪﻌﺑﻚﻳماﺮﮔﻮﺘﺴﻴﻫ ﻪﺋاراﻲﺘﺸﮔزﺎﺑ
هﺪﺷ ﻲﺣاﻮﻧﻪﻛ ﺮﻳﻮﺼﺗ سﺎﺳاﺮﺑ ﺐﻴﻛﺮﺗ ﺎﻴﻌﻣ ر يﺎـﻫ وﮓـﻧرﻪﺑﺎﺸـﺗ
ﻲﻧﺎﻜﻣﻲﻜﻳدﺰﻧ
، ﻪﻌﻄﻗ يﺪﻨﺑ هﺪﺷ ﺪﻧا . ﺶﻫوﮋـﭘرد 4]
[ ـﻣﻚـﻳزا لﺪ
ِﺰﻳﺎــﻤﺗﻊﺑﺎــﺗﻚــﻤﻛﻪــﺑﻪــﺘﻓﺎﻳدﻮــﺒﻬﺑلﺎــﻌﻓنﻮــﻣاﺮﻴﭘ )
Function
Discrimination درﻮﻣءﻲﺷ(
ﻪـﻗﻼﻋ ﻪـﻌﻄﻗياﺮـﺑ ﺮﻳوﺎﺼـﺗيﺪـﻨﺑ
ﺖﺳاهﺪﺷهدﺎﻔﺘﺳاﻲﮕﻧر ﺶﻫوﮋﭘرد .
] [5 ﺗ ﻪﻨﻳﺰﻫﻊﺑﺎ يﺎـﻫ ) Cost
Functions ﻪﻌﻄﻗ(
نﻮﻣاﺮﻴﭘردﻲﻔﻠﺘﺨﻣيﺪﻨﺑ ﻒـﻳﺮﻌﺗلﺎـﻌﻓيﺎـﻫ
هﺪﺷ
ودﺖﻫﺎﺒﺷمﺪﻋﺎﻳﺖﻫﺎﺒﺷﺮﺑﻲﻨﺘﺒﻣﻪﻛ
ﻞﺴﻜﻴﭘيودﻪﺑ يﺎـﻫ
ﻲﻣيﺮﺘﺴﻛﺎﺧﺢﻄﺳﺎﻳﻲﮕﻧرﺮﻳﻮﺼﺗﻚﻳ ـﺷﺎﺑ
ﻨ ﺪ . ﺶﻫوﮋـﭘرد يﺎـﻫ
6] [ و 7] شور[ ﻲﻳﺎﻫ ﻢﺘﻳرﻮـﮕﻟاﺮـﺑﻲﻨﺘﺒﻣ يﺮﻴﮔدﺎـﻳ
AdaBoost
ياﺮﺑ
هﺪـﻳدﺮﮔﻪـﺋاراءﺎﻴـﺷايزﺎﺳرﺎﻜﺷآ ﻪـﻛ
ﺐـﻴﺗﺮﺗﻪـﺑﺎـﻬﻧآرد زا
ﻲﮔﮋﻳو وﻲﻠﺻايﺎﻫ دﻮﺒﻬﺑ
ﻪﺘﻓﺎﻳ Haar-Like ﺖـﺳاهﺪـﺷهدﺎﻔﺘﺳا
.
ﻖﻴﻘﺤﺗرد ] 1 ﻮﻈﻨﻣﻪﺑ [ ر هﺮﻬﭼﻲﺑﺎﻳدر
، اﺪـﺘﺑا ﻪـﻘﺒﻃﻚـﻳزا يﺪـﻨﺑ
يرﺎﺸﺑآةﺪﻨﻨﻛ )
Cascade (
ﮋﻳوﻚـﻤﻛﻪـﺑ ﻲـﮔ
يﺎـﻫ ياﺮـﺑHaar
هدﺎﻔﺘﺳاهﺮﻬﭼﺔﻴﺣﺎﻧيزﺎﺳرﺎﻜﺷآ هﺪﻳدﺮﮔ
، ﻲﻟاﻮـﺗردهﺮﻬﭼﺲﭙﺳ -
ﺶـﻣزاهدﺎﻔﺘﺳاﺎﺑﻲﻳﻮﺋﺪﻳويﺎﻫ ﻲﺑﺎـﻳدرلﺎـﻌﻓيﺎـﻫ
ﺪـﺷ ﺖـﺳاه .
ﺶﻫوﮋﭘ ] [8
ردهﺮﻬﭼيزﺎﺳرﺎﻜﺷآياﺮﺑرﺎﻛدﻮﺧﻲﺷور
ﻳ ﻮﺼﺗﻚ ﻳ ﺮ
ﻞﻜﺸﺘﻣ ﺣﺎﻧزا ﻪﻴ وﺎﺼﺗردﺮﺳ ﻳ
وﺮ ﻳ ﻮﺋﺪ ﻳ وردﻲ ﻳ ﺲﻧاﺮﻔﻨﻛﻮﺋﺪ ﻪﺋاراﺎﻫ
ﺖﺳاهدﻮﻤﻧ .
ﻮﮕﻟازاقﻮﻓﺶﻫوﮋﭘرد ﻳ
ﻢﺘ Watershed ﻪﻌﻄﻗياﺮﺑ
-
ﺣﺎﻧ،ﺖﺳﻮﭘِﮓﻧرلﺪﻣزاهدﺎﻔﺘﺳاﺎﺑﺲﭙﺳوهﺪﺷهدﺎﻔﺘﺳايﺪﻨﺑ ﻴﺔ
ﻪﻌﻄﻗﻲﺣاﻮﻧيورزاهﺮﻬﭼ دﺮﮔيزﺎﺳرﺎﻜﺷآ،هﺪﺷيﺪﻨﺑ
ﻳ ﺖـﺳاهﺪ .
ﻘﺤﺗ ــﻴ ﻖ 9] ﺘﺸــﭘِرادﺮــﺑِهﺎﮕﺘــﺳدزا [ ﻴ
نﺎﺒ (Support Vector
Machine) ﺨﺸﺗياﺮﺑ
ﻴ
ﺤﻣردهﺮﻬﭼﺺ
ﻴ
ِﻂ ياراد يزادﺮﭘرﻮﻧ يﺎﻫ
ﻒﻠﺘﺨﻣ
، هدﺎﻔﺘﺳا هدﻮـﻤﻧ ﺖـﺳا . ﺶﻫوﮋـﭘرد 10]
[ ﻪـﻘﺒﻃزا يﺪـﻨﺑ
ﺪﻨﻨﻛ ة AdaBoost Gabor Fisher ﺨﺸﺗياﺮﺑ
ﻴ ﺮـﻬﭼﺺ ة داﺮـﻓا
وﺎﺼــﺗرد ﻳ دﺮﮔهدﺎﻔﺘــﺳاﺮ ــﻳ
ﺖــﺳاهﺪ ﻘﺤﺗ .
ــﻴ ﻖ 11] رﻮــﮕﻟازا [ ﻳ ﻢﺘ
ﻳ ﮔدﺎ ﻴ يﺮ AdaBoost آياﺮﺑ
وِشزﻮﻣ ﻳ ﻲﮔﮋ
هﺮـﻬﭼرددﻮـﺟﻮﻣيﺎﻫ
وﻚﻤﻜﺑﺲﭙﺳوهدﻮﻤﻧهدﺎﻔﺘﺳا ﻳ
ﻲـﮔﮋ
ﻓلﺎـﻤﻋِاوقﻮـﻓيﺎـﻫ ﻴ
ﺮـﺘﻠ
Kalman در ﻳ
ﺖـﺳاﻪـﺘﻓﺮﮔمﺎـﺠﻧاهﺮﻬﭼﻲﺑﺎ .
ﺶﻫوﮋـﭘرد 12]
زا [
ﻳ ﻧﺎﻣﺎﺳﻚ ﺔ ﺑرودﺮﺑﻲﻨﺘﺒﻣ ﻴ
ﺑﻦ ﻴ ﺎﻨ ﻳ ﺮﺘﺳِاﻲ ﻳ درياﺮﺑﻮ ﻳ يﺪﻌﺑﻪﺳﻲﺑﺎ
ﺖﺳاهﺪﺷهدﺎﻔﺘﺳاهﺮﻬﭼ ارد .
ﻳ
ﺖـﺳﺪﺑِﻖـﻤﻋتﺎـﻋﻼﻃازاشورﻦ
ﺪﻣآ وزاه ﻳ ﻲﮔﮋ ﺎﻫ ياﺮﺑ در ﻳ دﺮﮔهدﺎﻔﺘﺳاﻲﺑﺎ ـﻳ
ﺖـﺳاهﺪ ﻘﺤﺗرد . ـﻴ ﻖ
13] ــﻳ [ رﻮــﮕﻟاﻚ ﺘﻳ درياﺮــﺑﻢ ــﻳ
ِداﺪﺴــﻧاﺖــﻟﺎﺣردهﺮــﻬﭼﻲﺑﺎ
(Occlusion) ﺖﺳاهﺪﺷﻪﺋاراﻲﻠﻛ
اﻳ . رﻮﮕﻟاﻦ ﺘﻳ ﻮﺗزاﻢ ﻳ اﻊ لﺎـﻤﺘﺣ
ــﻤﺨﺗوهﺮــﻬﭼِﮓــﻧر ﻴ
ﻦ ﻣلﺎــﻘﺘﻧاِﺮــﮔ ــﻴ
ﮕﻧﺎ ﻴ ﻦ (Mean Shift Estimator)
ﺖـﺳاهدﺮﻛهدﺎﻔﺘﺳا .
ﺶﻫوﮋـﭘرد 14]
ـﻳ [ سوﺎـﻣﻚ
(Mouse) ﺑرود
ﻴ
درشورﻚﻤﻜﺑﻲﻨ
ﻳ
ﻲـﺣاﺮﻃهﺮﻬﭼِيﺪﻌﺑﻪﺳﻲﺑﺎ
ﺖﺳاهﺪﺷ ارد .
ﻳ
اﺪـﻫياﺮـﺑﺮﺳﺖﻛﺮﺣزاﺶﻫوﮋﭘﻦ ﻳ
هرﺎـﺷاﺖ ﺮـﮔ
ﺐَﻟﺖﻛﺮﺣزاوهﺪﺷهدﺎﻔﺘﺳاسوﺎﻣ ﻪﺳ،ﺎﻫ
داﺪـﺧر سوﺎـﻣ لﺮـﺘﻨﻛ
هﺪــﺷ ﺪــﻧا ﻘﺤﺗ . ــﻴ ﻖ 15] ــﺳلﺪــﻣزا [ ﻴ
لﺎــﻌﻓيﺎﻤ (Active
Appearance Model) درياﺮﺑ
ﻳ ﺎﻔﺘﺳاهﺮﻬﭼﻲﺑﺎ ﺪﻧاﻮﺘﺑﺎﺗهدﺮﻛهد
ﺮﻈﻧردارﺮﺳﺶﺧﺮﭼ
دﺮﻴﮕﺑ . ﺶﻫوﮋﭘرد 16]
[
شورﻚـﻳ
ﻪـﻌﻄﻗ -
ﻞﺴﻜﻴﭘﺮﺑﻲﻨﺘﺒﻣيﺪﻨﺑ
ياﺮﺑ يزﺎﺳرﺎﻜﺷآ
يﺎﻀـﻓردﺖـﺳدﺔﻴﺣﺎﻧ
ﮓﻧر HS
ﺖﺳاهﺪﺷﻪﺋارا .
زاﻚـﻳﺮﻫ شور
ﺪـﺷنﺎـﻴﺑيﺎـﻫ قﻮـﻓة
شورﻚـﻳﺔـﺋاراﻪﻟﺎﻘﻣﻦﻳاﺖﻟﺎﺳرﻪﻛﺪﻨﺘﺴﻫﻲﺒﻳﺎﻌﻣوﺎﻳاﺰﻣياراد ﺎﺑﺮﻳﺬﭘﺎﻧﺮﻴﻴﻐﺗوﻖﻴﻗد
نﺎﻜﻣرﻮﻈﻨﻣﻪﺑﺮﺳﺶﺧﺮﭼ ﻲﺑﺎـﻳدروﻲﺑﺎـﻳ
ﻲﻟاﻮﺗردﻪﺘﺳﻮﻴﭘورﺎﻛدﻮﺧرﻮﻄﺑهﺮﻬﭼﺔﻴﺣﺎﻧ ﺖـﺳاﻲﻳﻮﺋﺪـﻳويﺎﻫ
.
ﻦﻳاﺖﻴﺳﺎﺴﺣ،ﺶﻣياﺮﺑيژﺮﻧاﺪﻳﺪﺟﻊﺑﺎﺗﻚﻳﻒﻳﺮﻌﺗﺎﺑﻦﻴﻨﭽﻤﻫ
ﺰﻳﻮﻧﻪﺑﺖﺒﺴﻧشور
ﻲﻳﻮﺋﺪﻳو ﺖﺳاﻪﺘﻓﺎﻳﺶﻫﺎﻛ .
ﻦﻳاﺮﺑﺎﻨﺑ ﻦﻳﺮﺘﻤﻬﻣ
يروآﻮﻧ ﻪﺻﻼﺧﺮﻳزدراﻮﻣﻪﺑﺮﺿﺎﺣﺔﻟﺎﻘﻣردﺎﻣيﺎﻫ ﻲﻣ
ددﺮﮔ :
1 -
نﺎﻜﻣردﺮﺳﺶﺧﺮﭼﺎﺑﺮﻳﺬﭘﺎﻧﺮﻴﻴﻐﺗوﻦﺌﻤﻄﻣشورﻚﻳﻪﺋارا -
ﺖﺳﻮﭘﮓﻧرلﺪﻣسﺎﺳاﺮﺑهﺮﻬﭼﺔﻴﺣﺎﻧﻲﺑﺎﻳ .
2 - ِوﺮﺘﻠﻴﻓﻚﻳﻲﺣاﺮﻃ
ﺖـﺳﻮﭘﮓـﻧرلﺪـﻣﺎـﺑﻖﺑﺎـﻄﻣﻲـﻘﻓ
داﺮـﻓا
دﻮﺟﻮﻣ هدادهﺎﮕﻳﺎﭘرد .
ﺖـﺳﻮﭘﮓﻧرياﺮﺑﻖﻴﺒﻄﺗﻢﺘﻳرﻮﮕﻟاﻦﻳا يﺎـﻫ
ﺖﺳاهدﺎﻔﺘﺳاﻞﺑﺎﻗﺎﻫداﮋﻧعاﻮﻧاردﻒﻠﺘﺨﻣ .
3 - ﻒﻳﺮﻌﺗ ﻚﻳ ﻊﺑﺎﺗ يژﺮﻧا دﺮﻜﻠﻤﻋدﻮﺒﻬﺑياﺮﺑ ﻲﺑﺎﻳدر
ﻲﻟاﻮﺗرد يﺎﻫ
يﺰﻳﻮﻧ ﺐﻴﻛﺮﺗﺎﺑ شور لﺪﻣﺮﺑﻲﻨﺘﺒﻣيﺎﻫ 17]
ﺶﻣو [ يﺎﻫ لﺎﻌﻓ .
ﻪﻟﺎﻘﻣرﺎﺘﺧﺎﺳ ﻪﻣادارد
ﺪﺑ ﻳ ﻦ ﻪﻧﻮﮔ ﺖﺳا :
ﻊـﺟارمودﺶـﺨﺑرد
رﻮﮕﻟاﻪﺑ ﻳ ﻢﺘ نﺎﻜﻣ ﻲﺑﺎﻳ و در ـﻳ ﻲﺑﺎ هﺮـﻬﭼ ﺚـﺤﺑ ﺖـﺳاهﺪـﺷ ﺎـﺘﻧ .
ﻳ ﺞ
هﺪــﻣآمﻮــﺳﺶــﺨﺑردﻲــﺑﺮﺠﺗ
ًﺎــﺘﻳﺎﻬﻧو مرﺎــﻬﭼﺶــﺨﺑرد ﻪــﻟﺎﻘﻣ
ﺘﻧ ﻴ ﻪﺠ ﮔﻴ يﺮ نﺎﻴﺑ دﺮﮔ ﻳ ﺖﺳاهﺪ .
2 شور - يدﺎﻬﻨﺸﻴﭘ
هﺮﻬﭼﻲﺑﺎﻳدررﻮﻈﻨﻣﻪﺑ
، ﺖـﺳاردﺎـﻗﻪـﻛهﺪـﻳدﺮﮔﻪـﺋاراﻲﻤﺘﻳرﻮﮕﻟا
هﺮـﻬﭼﺖـﻴﻌﻗﻮﻣﺲﭙﺳوﺪﻧﺰﺑﻦﻴﻤﺨﺗارهﺮﻬﭼﺔﻴﺣﺎﻧرﺎﻛدﻮﺧرﻮﻄﺑ ار
نﺎﻣززاﻪﻈﺤﻟﺮﻫرد ﺑ
رﻮﻄ ﻪﺘﺳﻮﻴﭘ ﻲﺑﺎـﻳدر ﺪـﻨﻛ . ﻪـﺋاراشوررد
اﺪــﺘﺑا،هﺪــﺷ ﻲﻟاﻮــﺗﻦﻴــﻟوا
(Frame) ﻲﻳﻮﺋﺪــﻳو
ِﺮﻓﺎــﺑزا (Buffer)
رديدورو ﻳ ﺖﻓﺎ و ﺣﺎﻧ ﻴﺔ
ﻲﻣيزﺎﺳرﺎﻜﺷآنآردهﺮﻬﭼ ددﺮﮔ
.
ﺲﭙـﺳ
وجاﺮﺨﺘـﺳاشورﻚﻤﻜﺑ ﻳ
ﻲـﮔﮋ
]KLT
[18 وطﺎـﻘﻧ، ﻳ درﻮـﻣﻲـﮔﮋ
هﺮﻬﭼردﻪﻗﻼﻋ جاﺮﺨﺘﺳا
ﺖﺳاهﺪﺷ
. رد ﺔﻠﺣﺮﻣ وطﺎﻘﻧزا،ﺪﻌﺑ ﻳ
ﻲﮔﮋ
ﺟاﺮﺨﺘﺳا ﻲ هدﺎﻔﺘـﺳاﺶـﻣسﻮـﺋرناﻮﻨﻋﻪﺑ هﺪـﺷ
شورﻚـﻤﻜﺑو
ﺚﻠﺜﻣ يزﺎﺳ ﺑ رﺎﺘﺧﺎﺳنوﺪ Delaunay
ﻟواﺶﻣ، ـﻴ ِﺢﻄـﺳيورﺮـﺑﻪ
ﻌﺗهﺮﻬﭼ ﻴﻴ ﻲﻣﻦ ددﺮﮔ ] .[19 رد ﻲﻳﻮﺋﺪﻳوﻲﻟاﻮﺗﻦﻴﻣود طﺎـﻘﻧاﺪـﺘﺑا
ﺒﻄﺗ ﻴ ارﺶﻣسﻮﺋرﺎﺑﺮﻇﺎﻨﺘﻣﻲﻘ يراﺮـﻜﺗﻢﺘﻳرﻮـﮕﻟازاهدﺎﻔﺘـﺳاﺎـﺑ
Lucas-Kanade ﻲﻣ
ﻳﺑﺎ ﻴ يژﺮﻧاﻊﺑاﻮﺗﺲﭙﺳ؛ﻢ هﺪـﺷنﺎـﻴﺑ
رد ] 1 [
هدادفﺬﺣياﺮﺑﺪﻳﺪﺟﻊﺑﺎﺗﻚﻳﺰﻴﻧو تﺮـﭘيﺎﻫ
ﺶـﻣياﺮـﺑ رﺎـﻜﺑ
ﻪﺘﻓﺮﮔ هﺪﺷ ا ﺪﻧ اﻳ. يژﺮﻧاﻦ ﺑﺎﻫ ﻪ ﻪﻧﻮﮔ ﻂﺴﺑيا هﺪﺷهداد ﺪﻧا يارادﻪﻛ
ﺻﺎﺧودﺮﻫ ﻴ
ﻓﺖ ﻴﺰ ﻳ نﺎﺴـﺸﻛوﺐﻠـﺻﻲﻜ (Rigid and Elastic)
درياﺮﺑ ﻳ ﻲﺑﺎ ﻲﮔﮋﻳو رددﻮﺟﻮﻣيﺎﻫ هﺮﻬﭼ
ﻲﻣ ﺪﻨﺷﺎﺑ يژﺮﻧا . ﺎﻫ قﻮﻓي
ﺒﻄﺗطﺎﻘﻧياﺮﺑ ﻴ
رد،ﻲﻘ ـﻳ ﺎﺴـﻤﻫﻚ ﻳ ﻲـﻣﻪﺒـﺳﺎﺤﻣ،ﺺﺨﺸـﻣﻲﮕ -
ﺪﻧدﺮﮔ . ﺑﻪـﻠﺣﺮﻣرد
رﻮـﮕﻟاﻚـﻤﻜﺑﺪـﻌ ﻳ
ﻬﺑﻢﺘ ﻴ ﻪـﻨ يزﺎـﺳ Greedy
،
نزوعﻮﻤﺠﻣ يژﺮﻧاراد
ﻤﻛﺎﻫ ﻴ ﻲﻣﻪﻨ ﺪﻧﻮﺷ اﻳ . ردﺪـﻧورﻦ ﻲﻟاﻮـﺗ
يﺎـﻫ
درﺎﺑيﺪﻌﺑ ﻳ ﻲﺑﺎ ﺔﻴﺣﺎﻧﺔﺘﺳﻮﻴﭘ هﺮﻬﭼ
ﻪﻣادا ﺖﻓﺎﻳﺪﻫاﻮﺧ .
2 - 1 نﺎﻜﻣ - هﺮﻬﭼ ﻲﺑﺎﻳ
نﺎﻜﻣياﺮﺑ ﺔـﻴﺣﺎﻧﻲﺑﺎﻳ زاهﺮـﻬﭼ
ﮓـﻧرتﺎـﻋﻼﻃا
ﻲﻟاﻮـﺗﻦﻴـﻟوارد
هدﺎﻔﺘﺳاﻲﻳﻮﺋﺪﻳو هﺪﺷ
ﺖﺳا ﺎﻔﺘﻣﻞﻴﻟﺪﺑ.
داﺮﻓاﺖﺳﻮﭘﮓﻧرندﻮﺑتو
وﻒﻠﺘﺨﻣ ﺰﻴﻧ ﮓـﻧرتاﺮـﻴﻴﻐﺗ ﺮـﻬﭼ
ة
يزادﺮﭘرﻮـﻧرددﺮـﻓﺮـﻫ يﺎـﻫ
نﻮﮔﺎﻧﻮﮔ زا ﻚﻳ ﺪـﻳﺪﺟشور
،
ﺖـﺳﻮﭘﮓـﻧرلﺪـﻣﺮـﺑﻲـﻨﺘﺒﻣ
، رد
ﮓﻧريﺎﻀﻓ
لﺎﻣﺮﻧrgb يزﺎـﺳ هﺪـﺷ
، هدﺎﻔﺘـﺳا هﺪـﻳدﺮﮔ نآردﻪـﻛ
ﻪﺑﺖﻴﺳﺎﺴﺣ تاﺮﻴﻴﻐﺗ
ﻲﻳﺎﻨﺷورتﺪﺷ
ﻲﺋﺰﺟ
ﺶﻫﺎـﻛ ﺖـﺳاﻪـﺘﻓﺎﻳ .
ﻪﺑﺖﺷﺎﮕﻧ ﻧريﺎﻀﻓ ﮓ ﺎﻣﺮﻧrgb ل يزﺎـﺳ هﺪـﺷ
، ﮓـﻧريﺎﻀـﻓﻪـﻛ
Chromatic ﺎﻳ
ﻲﻣهﺪﻴﻣﺎﻧﺰﻴﻧr-g دﻮﺷ
2]
،[ ﺖﺳاﻪﻧﻮﮕﻨﻳا :
) 1 B (
G R g G B G R r R
+
= + +
= + ,
ﺔــﻟدﺎﻌﻣ
ﺑ مﻮــﺳﺪــﻌ
،
،b ﻪــﺑﻪﺘﺴــﺑاو وr
اg وﺖــﺳ ﺮــﺑاﺮﺑ
) (
1 r g
b= − + ﻲﻣ
ﺪـﺷﺎﺑ .
نﺎـﻜﻣﻢﺘﻳرﻮـﮕﻟاشزﻮـﻣآياﺮـﺑ ﻲﺑﺎـﻳ
هﺮﻬﭼ
ﻪﻨﻴﻬﺑﻲﺳﻮﮔلﺪﻣﻚﻳجاﺮﺨﺘﺳاو
، اﺪـﺘﺑا 144 ـﮕﻟا ﻮ،
ﻞﻣﺎـﺷ
وﺎﺼﺗ ﻳ ﺮﻬﭼﺮ ه دﺎﻌﺑاﺎﺑ 179
× 284 ﻞﺴﻜﻴﭘ
ﺖـﺳﻮﭘﮓـﻧريارادﻪـﻛ -
يﺎﻫ وهدﻮﺑتوﺎﻔﺘﻣ ﺖﺤﺗ
يزادﺮﭘرﻮﻧ يﺎﻫ ﻪـﺘﻓﺮﮔراﺮـﻗﻒﻠﺘﺨﻣ ،ﺪـﻧا
ﻪﻴﻬﺗ ﺖﺳاهﺪﺷ .
ﻞﻜﺷرد
ﻲﺧﺮﺑ1 زا ﻦﻳا هدادنﺎﺸﻧﺎﻫﻮﮕﻟا هﺪـﺷ
-
ﺪﻧا ﻪﺷﻮﮔفﺬﺣياﺮﺑ . ﺮﻳﻮﺼﺗيﺎﻫ
ﻲـﺷزﻮﻣآيﺎﻫﻮﮕﻟارد ًﺎـﺒﻟﺎﻏﻪـﻛ
ﻞﺴﻜﻴﭘ
ﻣﺎﺷنآيﺎﻫ
ﻲـﻤﻧﺖـﺳﻮﭘﮓﻧرتﺎﻋﻼﻃاﻞ ﻚـﻳزا،ﺪﻨـﺷﺎﺑ
هدﺎﻔﺘﺳاﻞﻜﺷﻲﻀﻴﺑﻚﺳﺎﻣ هدﻮﻤﻧ
ﻢﻳا . ﻞﻜـﺷردﻚـﺳﺎﻣﻦﻳا 2
ﺮـﺑ
ﻮﮕﻟاﻚﻳيور
ﻪﻧﻮﻤﻧي
ﺖﺳاهﺪﺷهدادنﺎﺸﻧ
ﻚﺳﺎﻣلﺎﻤﻋا . ﻲﻀـﻴﺑ
ﻞﻜﺷ
درادﺖﻳﺰﻣود :
تﺪـﻣ يﺮﻴﮔدﺎـﻳﻢﺘﻳرﻮـﮕﻟاشزﻮـﻣآنﺎـﻣز ار
هﺮﻬﭼيزﺎﺳرﺎﻜﺷآخﺮﻧوﺶﻫﺎﻛ
ﻲﻣﺶﻳاﺰﻓاار ﺪﻫد
. ﻲﻣﺎـﻤﺗﺲﭙﺳ
ﻞﺴﻜﻴﭘ يﺎﻀﻓﻪﺑﻚﺳﺎﻣنورديﺎﻫ ﮓﻧر
ﻲﻣﺖﺷﺎﮕﻧr-g ﺪﻨﺑﺎﻳ .
ﻞﻜﺷ 1 هدادهﺎﮕﻳﺎﭘﻲﺷزﻮﻣآيﺎﻫﻮﮕﻟازاﻲﺧﺮﺑ : .
:2ﻞﻜﺷ
ﺎﻫﻮﮕﻟايورﺮﺑﻞﻜﺷﻲﻀﻴﺑﻚﺳﺎﻣلﺎﻤﻋا .
ﺪﻌﺑﺔﻠﺣﺮﻣرد
ﻚﺗياﺮﺑ
ﺮﻳوﺎﺼـﺗﻦـﻳاﻚـﺗ
، ﺎـﻴﻣرادﺮـﺑ ﻦﻴﮕﻧ و
ﺲﻧﺎﻳراوﻮﻛﺲﻳﺮﺗﺎﻣ ﻪﺒﺳﺎﺤﻣ
هﺪﻳدﺮﮔ ﺖﺳا .
ﺲﭙﺳ
ﮓـﻧرﻲﻠﻛلﺪﻣ
هدﺎﻔﺘﺳاﺎﺑﺖﺳﻮﭘ زا
يﺰﻛﺮﻣﺪﺣﺔﻴﻀﻗ
ﻚﻳترﻮﺻﻪﺑ
ﻲـﺳﻮﮔﻊﺑﺎـﺗ
ﺑود يﺪﻌ ﺖﺳاهﺪﺷهدزﺐﻳﺮﻘﺗ .
ـﺗﻦـﻳا ﻊﺑﺎ ارنآيﺎـﻫﺮﺘﻣارﺎﭘو ﺎـﺑ
ﺮﻳزﻂﺑاورزاهدﺎﻔﺘﺳا هدﺮﻛﻦﻴﻴﻌﺗ
ﻢﻳا :
) 2
⎟ (
⎠
⎜ ⎞
⎝
⎛− − −
= ( ) − ( )
2 exp 1 2
) 1
( T 1
2 /
1 x μ C x μ
C x
P π
نآردﻪـــﻛ
(
r g)
T=
،x
(
μr μg)
Tμ= و ﺲﻳﺮﺗﺎـــﻣC
ﻲﻣﻊﻳزﻮﺗﺲﻧﺎﻳراوﻮﻛ ﺪﻨﺷﺎﺑ
رادﺮﺑﺮﺻﺎﻨﻋ. زاﺪﻨﺗرﺎﺒﻋ μ
:
) 3
∑
(∑
= ==
=
N
i i g
N
i i
r g
r N
N 1 1
, 1
1 μ
μ
ﻪﻛ
،ﺎﻫﻮﮕﻟاﻞﻛداﺪﻌﺗN ri
و gi
ﻣﻦﻴﮕﻧﺎﻴﻣﺐﻴﺗﺮﺘﺑ ﺆ
ﻪﻔﻟ يﺎﻫ وr
يﻮﮕﻟاg ﻲﻣمُاi ﺪﻨﺷﺎﺑ ﻊﻳزﻮﺗﺲﻧﺎﻳراوﻮﻛﺲﻳﺮﺗﺎﻣ. زاﺖﺳاترﺎﺒﻋ
:
) 4 (
⎟⎟
⎟⎟
⎟⎟
⎠
⎞
⎜⎜
⎜⎜
⎜⎜
⎝
⎛
=
∑ ∑
∑
∑
=
=
=
=
N
i gg N
i gr
N
i rg N
i rr
i i
i i
N N
N N
1 1
1 1
1 1
1 1
σ σ
σ σ
C
ﻪﻛ
rri
،σ
ggi
و σ
i
i gr
rg σ
σ =
ﺐﻴﺗﺮﺗﻪﺑ يژﺮـﻧا ﻲﮔﺪـﻨﻛاﺮﭘ) ( و
ﻞﺑﺎﻘﺘﻣﻲﮕﺘﺴﺒﻤﻫ ﻣﺆ
ﻪﻔﻟ يﺎﻫ وr يﻮﮕﻟاg i
ﻲـﻣنﺎﺸﻧارمُا ﻫد
ـﻨ ﺪ .
ﺷ ﻞﻜ 3 رادﻮﻤﻧ ﻊﻳزﻮﺗ ﺑودﻲﺳﻮﮔ
هﺮﻬﭼيﺪﻌ
ار نﺎﺸﻧ ﻲﻣ ﺪﻫد ﻊﺑﺎﺗ .
هﺮﻬﭼﺔﻴﺣﺎﻧردقﻮﻓ ﻚﻳياراد
ﺔﻠُﻗ (Peak) ﺰﻴﺗ ﻲﻣ ﺪﺷﺎﺑ ﻪـﻛ ﻚـﻳ
ﻲﮔﮋﻳو ﻣ ﺰﻳﺎﻤﺘ ﺪﻨﻨﻛ ة ﻪﻘﺒﻃياﺮﺑﺐﺳﺎﻨﻣ هﺮﻬﭼيﺪﻨﺑ
ﺖﺳا .
ﻞﻜﺷ 3 ﻊﻳزﻮﺗ :
ﺑود هﺮﻬﭼﮓﻧريﺪﻌ .
ﺖﺳﻮﭘﮓﻧرلﺪﻣﻦﻴﻤﺨﺗوشزﻮﻣآزاﺲﭘ وﺶﻳﺎـﻣزآﻞـﻤﻋ،
يدوروﺮﻳوﺎﺼﺗﻖﻴﺒﻄﺗ ﻪﻘﺒﻃ)
يﺪﻨﺑ ﻞﺴﻜﻴﭘﺮﺑﻲﻨﺘﺒﻣ مﺎﺠﻧا(
ﮔ ﻪـﺘﻓﺮ
ﺖﺳا . رﻮﻈﻨﻣﻦﻳاياﺮﺑ ﻟاﻚﻳ
ِوﮓﻨﻳﺮﺘﻠﻴﻓﻢﺘﻳرﻮﮕ
ِﻲـﻘﻓ ﻊﻳﺮـﺳ ﻪـﺋارا
ﻪﻛﺖﺳاهﺪﺷ
هﺮﻬﭼياﺮﺑ ياراديﺎﻫ ﺖـﺳﻮﭘﮓﻧر
زاتوﺎـﻔﺘﻣيﺎـﻫ
يﺎﻫداﮋﻧ نﻮﮔﺎﻧﻮﮔ ﻲﻣﻞﻤﻋﻲﻘﻴﺒﻄﺗرﻮﻄﺑ ﺪﻳﺎﻤﻧ
ﻲﺷدﺮﮔرادﻮﻤﻧ . ا
ﻦﻳ
ردﻢﺘﻳرﻮﮕﻟا
ﻞﻜﺷ
4
ﺖﺳاهﺪﺷهدادنﺎﺸﻧ
. ِﻲﺟوﺮﺧﺮﻳﻮﺼﺗ ﻞـﺻﺎﺣ
ﺘﻳرﻮــﮕﻟازا ﻢ ﮓــﻨﻳﺮﺘﻠﻴﻓ
، نآردﻪــﻛﺖــﺳاﻲــﻳودودﺮﻳﻮﺼــﺗﻚــﻳ
ﻜﻴﭘ ﻞﺴ يﺎﻫ يدوروﻲﻟاﻮﺗ ﻪﻧﺎﺘـﺳآسﺎﺳاﺮﺑ،
رﺎـﻛدﻮﺧرﻮـﻄﺑﻪـﻛيا
ﻂﺳﻮﺗ
لﺪﻣيﺎﻫﺮﺘﻣارﺎﭘ ﻲﺳﻮﮔ
هﺪـﺷﻦﻴﻴﻌﺗ
،ﺖـﺳا سﻼـﻛودﻪـﺑ
ﺎﻳهﺮﻬﭼ ﻪﻘﺒﻃهﺮﻬﭼﺮﻴﻏ هﺪﺷيﺪﻨﺑ
ﺪﻧا .
نﺎﻜﻣياﺮﺑﺮﺧآﺔﻠﺣﺮﻣرد -
هﺮﻬﭼﻲﺑﺎﻳ ﻞﺴﻜﻴﭘفﺬﺣو
ﻪـﻘﺒﻃﺖـﺳردﺎﻧرﻮـﻄﺑﻪـﻛﻲﻳﺎﻫ يﺪـﻨﺑ
هﺪﺷ زا،ﺪﻧا ﺲﭘﻚﻳ شزادﺮﭘ ﻪﻛهﺪﺷهدﺎﻔﺘﺳا
ﺖـﺨﻳرﺮـﺘﻠﻴﻓﻞﻣﺎﺷ
ﻲﺳﺎﻨﺷ (Morphological Filtering) ِﺛﺰـﻛﺮﻣﻦﻴـﻤﺨﺗو
وﻞـﻘ
ﺎﻌﺷ ع ﻲﮔﺪﻨﮔاﺮﭘ ﻞﺴﻜﻴﭘ
هﺮﻬﭼيﺎﻫ
يدﻮـﻤﻋوﻲـﻘﻓايﺎﻫﺎﺘﺳاررد
ﻲﻣ ﺪﺷﺎﺑ . ﻪﻛﺖﺳاﺮﻛذﻪﺑمزﻻ نﺎﻜﻣ
ﻲﺑﺎﻳ هﺮﻬﭼ ـﻳ ردرﺎـﺑﻚ ﻦﻴـﻟوا
ﻲﻟاﻮﺗ ﻲﻳﻮﺋﺪﻳوﻲﮕﻧر ﻲﻣمﺎﺠﻧا
ﮔﻴ دﺮ ﻲﻟاﻮﺗردو يﺪﻌﺑيﺎﻫ ﻲﺑﺎـﻳدر،
ﺮﺑشزادﺮﭘﺎﺑ ﻲﻟاﻮﺗيور
ﻲﻣمﺎﺠﻧايﺮﺘﺴﻛﺎﺧحﻮﻄﺳيﺎﻫ دﻮﺷ
.
.ﻲﻘﻓِوﺮﺘﻠﻴﻓﻢﺘﻳرﻮﮕﻟاﻲﺷدﺮﮔرادﻮﻤﻧ :4ﻞﻜﺷ
2 - 2 هﺮﻬﭼ ﻲﺑﺎﻳدر -
رﻮـﻄﺑهﺮـﻬﭼ،ﻲﻳﻮﺋﺪﻳوﻲﻟاﻮﺗﻦﻴﻟواردهﺮﻬﭼﺔﻴﺣﺎﻧﻦﻴﻤﺨﺗزاﺲﭘ
ﻲﻟاﻮﺗردﻪﺘﺳﻮﻴﭘ ﻲﺑﺎﻳدريﺪﻌﺑيﺎﻫ
ﺖﺳاهﺪﺷ . زارﻮـﻈﻨﻣﻦﻳاياﺮﺑ
ﻪﺘﻓﺎﻳدﻮﺒﻬﺑشورﻚﻳ
، ﺶـﻣﺮـﺑﻲﻨﺘﺒﻣ
ﻞﻜـﺷيﺎـﻫ
ـﭘ هدﺎﻔﺘـﺳاﺮﻳﺬ
ﺖﺳاهﺪﻳدﺮﮔ ردﻪﻛ
ِلﺪﻣﺮﺑﻲﻨﺘﺒﻣشورزاهدﺎﻔﺘﺳاﺎﺑنآ
ﻣ يﻮﺘﺴ
(Affine) ، ﻚﻳ ﻊﺑﺎﺗ هﺪﺷﻒﻳﺮﻌﺗيژﺮﻧا
ﻪـﺑﺖﺒﺴـﻧﺖﻴﺳﺎﺴـﺣﻪﻛ
هدادوﺰﻳﻮﻧ
ﭘيﺎﻫ
ﺖﺳاهدادﺶﻫﺎﻛارتﺮ
. ﻲﺑﺎـﻳدررﻮﻈﻨﻣﻪﺑ
، اﺪـﺘﺑا
ﻲــﮔﮋﻳو ﻞــﺧاديﺎــﻫ هﺮــﻬﭼﺔــﻴﺣﺎﻧ
(Face Bounding Box)
هﺪﻳدﺮﮔجاﺮﺨﺘﺳا ﺪﻧا
18] .[
ﻲﮔﮋﻳوﻦﻳازاهدﺎﻔﺘﺳاﺎﺑﺲﭙﺳ ﺎﻫ
،
ﺢﻄﺳ
ﺶﻣ ﺮﻳﻮﺼﺗ ﻲﻣيﺪﻨﺑ
ددﺮﮔ . راﺪﻘﻣ ﺶﻣﻞﻛيژﺮﻧا
، زا ﻪﻋﻮﻤﺠﻣ زايا
يژﺮﻧا ﺎﻫ
ﻲﺟرﺎﺧوﻲﻠﺧادي
ردهﺪﺷﻪﺋارا ]
1 [ و يژﺮﻧاﻊﺑﺎﺗﻚﻳﺰﻴﻧ
ﺪﻳﺪﺟ ﻲﻣﻪﺒﺳﺎﺤﻣ ددﺮﮔ
.
ﻪـﻨﻴﻬﺑﻢﺘﻳرﻮﮕﻟاردﺶﻣﻞﻛيژﺮﻧا يزﺎـﺳ
Greedy ﻪﻨﻴﻤﻛ
ﺖﺳاهﺪﺷ
ﺎﺗ ﻪﻠﻴﺳوﻦﻳﺪﺑ ﻴﺣﺎﻧناﻮﺘﺑ
ردارهﺮﻬﭼﺔ
ﻲﻟاﻮﺗ ﻲﻳﻮﺋﺪﻳويﺎﻫ دﻮﻤﻧﻲﺑﺎﻳدر
.
ـﭘﻲـﻘﻴﺒﻄﺗطﺎﻘﻧفﺬﺣياﺮﺑ تﺮ
،
ﺰﻳﻮﻧﻪﺑﺖﺒﺴﻧﺖﻴﺳﺎﺴﺣﺶﻫﺎﻛ و
ﺰﻴﻧ
ﺻﺖﻛﺮﺣﻦﺘﻓﺮﮔﺮﻈﻧرد ﺐﻠ
ﻲﻳﻮﺋﺪﻳوﻲﻟاﻮﺗودﻦﻴﺑ
،
هدادفﺬـﺣيژﺮـﻧامﺎـﻧﻪﺑيژﺮﻧاﻚﻳ يﺎـﻫ
ﭘ تﺮ (Outlier Removal Energy) ﻲﻨﺘﺒﻣﻪﻛﺖﺳاهﺪﺷﻒﻳﺮﻌﺗ
ــﻣﻞﻳﺪــﺒﺗﺮـﺑ
ِيﻮﺘﺴ وود
ﻲـﻬﺟ
(Planar) ﻲــﻣ ﺪــﺷﺎﺑ 17] [ ﻦﻳﺪــﺑ . رﻮﻈﻨﻣ
، ﻣﻞﻳﺪﺒﺗاﺪﺘﺑا
ﻦﻴﺑيﻮﺘﺴ
ﻲﻣﻪﺒﺳﺎﺤﻣﻲﻟاﻮﺗود ددﺮﮔ
ﻲﻟاﻮﺗ)
ﻲﻠﺒﻗوﻲﻠﻌﻓ (
. ﻞﻳﺪـﺒﺗﻦـﻳاﺖﺤﺗﻲﻠﺒﻗﻲﻟاﻮﺗردﺶﻣسﻮﺋرﺲﭙﺳ
ﮔراﺮﻗ
ﻲـﻘﻴﺒﻄﺗطﺎـﻘﻧوﻪﺒـﺳﺎﺤﻣﺢﻴﺤـﺻﻲـﻘﻴﺒﻄﺗطﺎـﻘﻧﺎـﺗﻪﺘﻓﺮ
فﺬﺣﺖﺳردﺎﻧ ﺪﻧدﺮﮔ
. ﻞﻳﺪﺒﺗ قﻮـﻓ ردﺎـﻗ ،ﺶﺧﺮـﭼ،لﺎـﻘﺘﻧاﺖـﺳا
ﺮﻴﻴﻐﺗ جﻮـﻌﻣوسﺎﻴﻘﻣ ﻲﮔﺪـﺷ
(Skew) دﺮـﻴﮕﺑﺮـﻈﻧردار و
ياراد
ﻪﺑﻪﻛﺖﺳاﺮﺘﻣارﺎﭘﺶﺷ ﺖﺳاهﺪﺷنﺎﻴﺑﺮﻳزﻞﻜﺷ
:
) 5 (
⎟⎟⎠
⎜⎜ ⎞
⎝ +⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
−
⎟⎟ −
⎠
⎜⎜ ⎞
⎝
=⎛
⎟⎟⎠
⎜⎜ ⎞
⎝
⎛
f e t
y t x d c
b a t y
t x
i i i
i
) 1 (
) 1 ( )
~( )
~(
نآردﻪـــﻛ
،a
،b
،c
،d وe f
ـــﻣلﺪـــﻣيﺎـــﻫﺮﺘﻣارﺎﭘ
،يﻮﺘﺴ
(
xi(t−1),yi(t−1)) (
~xi(t),~yi(t))
ورتﺎﺼـــﺘﺨﻣ أ
س مُاi رد
ﻲﻟاﻮﺗ ﺒﻄﺗوﻲﻠﺒﻗ ﻴ
ﺎﻬﻧآﻖ ﻲﻣﻲﻠﻌﻓﻲﻟاﻮﺗرد ﺪﻨﺷﺎﺑ
. ﻪﺒـﺳﺎﺤﻣياﺮـﺑ
لﺪﻣﺮﺘﻣارﺎﭘﺶﺷ
ﻣ ويﻮﺘﺴ ﻦﻴﻤﺨﺗ ﻲﻣﻮﻤﻋﺖﻛﺮﺣ ﻴﺣﺎﻧ
ﺔ هﺮـﻬﭼ
،
ﻄﻘﻧﺖﻔﺟﻪﺳﻪﺑﻞﻗاﺪﺣ ﺔ
ﻖﻴﺒﻄﺗوﻲﮔﮋﻳو يﺎـﻫ
ﺎـﻬﻧآ ﺖـﺳازﺎـﻴﻧ .
نﻮﭼ ﻦﻳا
ﺖـﺳردﻲـﻘﻴﺒﻄﺗطﺎـﻘﻧزاﻲـﺧﺮﺑﻪﻛدراددﻮﺟولﺎﻤﺘﺣا
،ﺪﻧﻮﺸﻧﻪﺒﺳﺎﺤﻣ
ـﻧﺎﻴﻣتﺎـﻌﺑﺮﻣﻞﻗاﺪﺣشورزا ﻪ
(LMedS) ياﺮـﺑ
ﻖﻴﺒﻄﺗفﺪﺣ
ﭘيﺎﻫ
ﺖـﺳاهﺪـﻳدﺮﮔهدﺎﻔﺘﺳاتﺮ 20]
[ . يژﺮـﻧاﻊﺑﺎـﺗ
هدادفﺬﺣ
تﺮﭘيﺎﻫ
ﻣلﺪﻣزا
ﻲﻟاﻮﺗودﻦﻴﺑيﻮﺘﺴ
وﻳ ﻲﻳﻮﺋﺪ ﻦﻴﻴﻌﺗ
هﺪﺷ ﻛ ﺔﻠﺻﺎﻓردﻪ [0~1]
ترﻮﺻﻦﻳﺪﺑ لﺎﻣﺮﻧ
هﺪﺷيزﺎﺳ ﺖﺳا
:
) 6 ( ˆ )}
5 . 2 ) ( ( exp{
1 ) 1
( 2 2
OR = + −τ − σ
t L i
E
i
ﻪــﻛ نآرد راﺪــﻘﻣτ ﺎــﺗﺐﻴــﺷ يژﺮــﻧاﻊﺑ وOR
) (t Li ﺔﻠــﺻﺎﻓ
ـﻣﻖـﻴﺒﻄﺗﺔـﻄﻘﻧﻦﻴـﺑﻲﺳوﺪﻴﻠﻗا ﻖـﻴﺒﻄﺗﺔـﻄﻘﻧويﻮﺘﺴ
Lucas-
Kanade ﻲﻨﻌﻳ)
ˆ) ˆ, (xi yi ةﺮﮔياﺮﺑ ( مُاi
ﻲﻟاﻮﺗرد مُاt
ﻲﻣ ﺷﺎﺑ ﻨ ﺪ :
) 7 (
( ) (
2)
22 ~() ˆ() ~() ˆ () )
(t x t x t y t y t
Li = i − i + i − i
σˆ ﻪﻛ شورﻦﺌﻤﻄﻣرﺎﻴﻌﻣفاﺮﺤﻧا LMedS
ﺳا ﺖ :
) 8 (
⎟⎠
⎜ ⎞
⎝
⎛ + −
= 3
1 5 4826 . ˆ 1
M N σ
ﻪﻛ M
ﻲﮔﮋﻳوﺔﻨﻴﻬﺑﻦﻴﮕﻧﺎﻴﻣ وﺎﻫ
ردﻲـﮔﮋﻳوطﺎـﻘﻧﻞـﻛداﺪـﻌﺗN
ﺖﺳاﺶﻣ . ﻪﻛﻲﺘﻗو )2
(t Li ﺪﺷﺎﺑﻚﭼﻮﻛ ﻖـﻴﺒﻄﺗطﺎـﻘﻧ،
ﻪـﺘﻓﺎﻳ
ﻖﻴﻗد ﺮﮔاﻲﻨﻌﻳ؛ﺪﻨﺘﺴﻫﺮﺗ
2 2
5ˆ . 2 )
(t << σ Li
،ﺪﺷﺎﺑ يژﺮﻧا OR
ﻳدﺰﻧﺮﻔﺻﺖﻤﺳﻪﺑ ﻲﻣﻚ
دﺮﮔ د .
3 ﻲﺑﺮﺠﺗ ﺞﻳﺎﺘﻧ -
ا ﻢﺘﻳرﻮﮕﻟ
اﺪـﻌﺗيورﺮـﺑيدﺎﻬﻨﺸﻴﭘ د
ـﻧﻮﻤﻧي ﺔ
تﻻﺎـﺣردﻲﻳﻮﺋﺪـﻳو
ﺮﻴﻈﻧنﻮﮔﺎﻧﻮﮔ ﺲﭘ
ﻪﻨﻴﻣز ﺎﻫ ي
ﻲـﺋﺰﺟتاﺮﻴﻴﻐﺗ،رﻮﻧسﺎﻜﻌﻧا،هﺪﻴﭽﻴﭘ
ﺳﺶﺧﺮﭼ،ﻂﻴﺤﻣرﻮﻧرد ﻮﺟو،ﺮ
ﺶﻳﺎـﻣزآﺰﻳﻮـﻧوﻚﻨﻴﻋد ﺪـﺷ
رد .
ﻞﻜﺷ
5 ﺞﻳﺎﺘﻧ ﻲﻳﺎﻬﻧوﻲﻧﺎﻴﻣ نﺎﻜﻣﻢﺘﻳرﻮﮕﻟا
ﻲﺑﺎـﻳ هﺮـﻬﭼ ﻦﻴـﻟوارد
ﻮﺗ ﺞﻨﭘياﺮﺑﻲﻟا دﺮﻓ
ﺖﺳاهﺪﺷهدادنﺎﺸﻧ
. ﻲﻣنﺎﺸﻧﺞﻳﺎﺘﻧ ﺪﻨﻫد
ﻪﻛ
خﺮﻧ ردهﺮﻬﭼيزﺎﺳرﺎﻜﺷآ ﻢﺘﻳرﻮﮕﻟا
هﺪﺷﻪﺋارا شورﻪـﺑﺖﺒﺴﻧ 2]
[
ﺑﺐﺗاﺮﻣﻪﺑ ﺮﺗﻻﺎ ﺖﺳا .
ﻞﻜﺷ
6 ﻢﺘﻳرﻮﮕﻟاﺞﻳﺎﺘﻧ ﻲﺑﺎﻳدر
يدﺎﻬﻨﺸـﻴﭘ ار
ﻲﻣنﺎﺸﻧ ﺪﻫد . ﻞﻜﺷرد 7
ﻪـﻧﻮﻤﻧردﻢﺘﻳرﻮـﮕﻟاﺞﻳﺎـﺘﻧ يﺰﻳﻮـﻧيﺎـﻫ
ﻪـﻛﺖـﺳاهﺪﺷهدادنﺎﺸﻧ اﺮـﺑ
ي ا داﺮـﻓ وC راﺪـﻘﻣﺐـﻴﺗﺮﺗﻪـﺑD
88 / 30 و ﻞِﺑﻲﺳد20
، ﻲﺳﻮﮔﺰﻳﻮﻧ
ﺖـﺳاهﺪـﺷﻪﻓﺎﺿا .
لوﺪـﺟرد
) 1 ( يدﺎﻬﻨﺸـﻴﭘﻢﺘﻳرﻮﮕﻟا شورودﺎـﺑ
] 1 [ و 7] [ وﻲـﻤﻛظﺎـﺤﻟزا
ﺖـﺳاهﺪـﻳدﺮﮔﻪﺴـﻳﺎﻘﻣﻲﻔﻴﻛ .
شور 7] [ ﻢﺘﻳرﻮـﮕﻟاﻚـﻳﻊـﻗاورد
نﺎﻜﻣ ﻲﻟاﻮﺗﻲﻣﺎﻤﺗيورﺮﺑﻪﻛﺖﺳاهﺮﻬﭼﻲﺑﺎﻳ لﺎـﻤﻋاﻲﻳﻮﺋﺪﻳويﺎﻫ
ﻲﻣ ددﺮﮔ . شور قﻮﻓ ﻲﻟاﻮﺗزاﻲﻀﻌﺑرد ﺎﻫ
ًﻼﺻا
ﺺﻴﺨﺸـﺗﻪـﺑردﺎـﻗ
ﻲﻤﻧهﺮﻬﭼ ﺪﺷﺎﺑ .
ﻲﺑﺎﻳدريﺎﻄﺧلﺎﻨﮕﻴﺳﻲﻄﻳاﺮﺷﻦﻴﻨﭼرد
، ﻖﺑﺎﻄﻣ
ردهﺪــﺷﻒــﻳﺮﻌﺗرﺎــﻴﻌﻣﺎــﺑ ]
1
،[ ياراد ﺔــﻠُﻗ دﻮــﺑﺪــﻫاﻮﺧﻪﻨﻴﺸــﻴﺑ
) ﻲﻟاﻮﺗردًﺎﺻﻮﺼﺧ
ﺳﺶﺧﺮﭼﻪﻛﻲﻳﺎﻫ
ﺪﺷﺎﺑﻪﺘﺷاددﻮﺟوﺮ
؛( ﺎـﻣا رد
ﻚﻳﺎﺑهﺪﺷﻪﺋاراشور
،لﻮـﺒﻗﻞﺑﺎﻗيﺎﻄﺧ
ﻪﺘـﺳﻮﻴﭘرﻮـﻄﺑﻲﺑﺎـﻳدر
مﺎﺠﻧا ﻲﻣ دﺮﻴﮔ . ﻪـﻛرﻮﻄﻧﺎﻤﻫ لوﺪـﺟﺞﻳﺎـﺘﻧزا
ﺖـﺳاﺪﻴﭘ
، ﻢﺘﻳرﻮـﮕﻟا
شورﻪـﺑﺖﺒﺴـﻧيدﺎﻬﻨﺸﻴﭘ
] 1 دﻮـﺒﻬﺑياراد[
ﺖـﺳا
) ًﺎﺻﻮﺼـﺧ رد
ﺳﺎﺴﺣﺶﻫﺎﻛ ﻴ
ﺰﻳﻮﻧوﺮﺳﺶﺧﺮﭼﻪﺑﺖ (
. ﺖـﻟﺎﺣردشزادﺮـﭘنﺎﻣز
راﺰﻓامﺮﻧةﺪﺷﻪﻨﻴﻬﺑ
دوﺪﺣﻲﻳﻮﺋﺪﻳوﻲﻟاﻮﺗﺮﻫياﺮﺑ
60 ﻪـﻴﻧﺎﺛﻲﻠﻴﻣ
ﻲﻣ ﺪﺷﺎﺑ ﺮﺑﺎﻨﺑ . خﺮﻧﺎﺑﻦﻳا 16
ﺑشزادﺮـﭘﻪﺘﺳﻮﻴﭘرﻮﻄﺑﺰﺗﺮﻫ ـﻴ
ﮓﻧرﺪ
(Real Time) ﺖﺳامﺎﺠﻧاﻞﺑﺎﻗ
يﺎﻫﺮﺘﻣارﺎﭘﺮﻳدﺎﻘﻣ. هﺪـﺷهدﺎﻔﺘﺳا
رد نﺎﻜﻣﻢﺘﻳرﻮﮕﻟا ﻲﺑﺎﻳدروﻲﺑﺎﻳ
، لوﺪﺟرد ) 2 ﺮﻛذ ( هﺪﻳدﺮﮔ ﺳا ﺖ .
) د ( ) ج ( ب) ( ﻒﻟا) (
ﻞﻜﺷ 5 نﺎﻜﻣﺞﻳﺎﺘﻧ : ﺗﺮﺗﻪﺑهﺮﻬﭼﻲﺑﺎﻳ
يورﺮـﺑﻦﻴﻳﺎﭘﻪﺑﻻﺎﺑزاﺐﻴ
ﺺﺨﺷﺞﻨﭘ
،A ،B ،C وD ) .E ﻒﻟا ( ،ﻲﻳﻮﺋﺪـﻳوﻲﻟاﻮـﺗﻦﻴﻟوا ب)
(
ﻪﻘﺒﻃ ﻞﺴﻜﻴﭘيﺪﻨﺑ ﺲﭘزاﻞﺒﻗﺎﻫ
،شزادﺮﭘ ج) ﻪﻘﺒﻃ ( زاﺪـﻌﺑيﺪﻨﺑ
ﺲﭘ وشزادﺮﭘ د)
نﺎﻜﻣ ( ﺮﻬﭼﻲﺑﺎﻳ ه .
ه) ( ) د ( ج) ( ب) (
ﻒﻟا) (
ﻞﻜﺷ 6 :
ﻲﻳﻮﺋﺪﻳوﺔﻧﻮﻤﻧﺪﻨﭼردهﺮﻬﭼﻲﺑﺎﻳدرﺞﻳﺎﺘﻧ .
،ﺖﺳارﻪﺑﭗﭼوﻦﻴﻳﺎﭘﻪﺑﻻﺎﺑزاﺐﻴﺗﺮﺗﻪﺑﺮﻳوﺎﺼﺗ ﻒﻟا)
جاﺮﺨﺘـﺳا ( ردﻲـﮔﮋﻳوطﺎـﻘﻧ
،هﺮﻬﭼﺔﻴﺣﺎﻧ ب)
( ،ﻪﻴﻟواﺶﻣدﺎﺠﻳا ياﺮﺑ
ﺺﺨﺷ
:A ج) ( ﻲﻟاﻮﺗ 45 ، د) ( ﻲﻟاﻮﺗ 145 ، ه) ( ﻲﻟاﻮﺗ 192 .
ﺺﺨﺷياﺮﺑ
) :B ج ( ﻲﻟاﻮﺗ 90 ، د) ( ﻲﻟاﻮـﺗ
،128 ه) ﻲﻟاﻮﺗ ( 158 ﺺﺨﺷياﺮﺑ. ) :C
ج ﻲﻟاﻮﺗ (
،58 د) ﻲﻟاﻮﺗ (
،149 ه) ﻲﻟاﻮﺗ ( 239 .
لوﺪﺟ ) 1 شورﺎﺑيدﺎﻬﻨﺸﻴﭘشورﺔﺴﻳﺎﻘﻣ :(
ﺮﮕﻳديﺎﻫ هﺪﻤﻋدﺮﺑرﺎﻛ
ﻲﺑﺎﻳدريﺎﻄﺧ ﺖﻋﺮﺳ ﻪﺑﺖﻴﺳﺎﺴﺣ
ﺰﻳﻮﻧ ﺮﺳﺶﺧﺮﭼﻪﺑﺖﻴﺳﺎﺴﺣ ﻢﺘﻳرﻮﮕﻟا ﻪﺘﺳﻮﻴﭘﻲﺑﺎﻳدر
ﻲﻨﻴﺑرودسوﺎﻣ)
( 0/8% 16Hz سﺎﺴﺣﺮﻴﻏ ﻲﺑﺎﻳدروﻲﺑﺎﻳنﺎﻜﻣرد180°ﺎﺗسﺎﺴﺣﺮﻴﻏ يدﺎﻬﻨﺸﻴﭘشور
ﻪﺘﺳﻮﻴﭘﻲﺑﺎﻳدر ﻲﻨﻴﺑرودسوﺎﻣ)
( 2/95% 14Hz سﺎﺴﺣًﺎﺘﺒﺴﻧ ردو30°ﺎﺗﻲﺑﺎﻳنﺎﻜﻣردسﺎﺴﺣﺮﻴﻏ
ﺎﺗﻲﺑﺎﻳدر
180° [1]شور
ﻲﻳﻮﺋﺪﻳوﺖﺒﻗاﺮﻣ
، ﺺﻴﺨﺸﺗ
ﺖﻳﻮﻫ
ﺷاد ﻦﺘ يﺎﻄﺧ
% 100
رد ﻲﻟاﻮﺗﻲﻀﻌﺑ ﺎﻫ
زاﺶﻴﺑ
15Hz سﺎﺴﺣ زاﺶﻴﺑﺶﺧﺮﭼﻪﺑﺖﺒﺴﻧسﺎﺴﺣﻲﻠﻴﺧ
15° [7]شور
ﻞﻜﺷ 7 يﺰﻳﻮﻧﻂﻳاﺮﺷردﻢﺘﻳرﻮﮕﻟاﺶﻳﺎﻣزآﺞﻳﺎﺘﻧ : .
4 ﻪﺠﻴﺘﻧ - يﺮﻴﮔ
رد
نﺎﻜﻣياﺮﺑﻪﺘﻓﺎﻳدﻮﺒﻬﺑشورﻚﻳﻪﻟﺎﻘﻣﻦﻳا هﺮﻬﭼﻲﺑﺎﻳدروﻲﺑﺎﻳ
ﻪﺋارا ﺪﺷ نﺎﻜﻣﻢﺘﻳرﻮﮕﻟا .
ﺶﺧﺮﭼﻪﺑﺖﺒﺴﻧﻲﺑﺎﻳ
ﺳ ﺮ ﺰﻳﻮﻧو ﻦﺌـﻤﻄﻣ
ﺖﺳا
ﻲﺒﺳﺎﻨﻣﺖﻗد،ﻲﮔدﺎﺳﺮﺑهوﻼﻋﻪﻛ
شورﻪﺑﺖﺒﺴﻧ
ﺎﻫ ﻳ ﺪﻨﻧﺎﻣﻲ
شور ] [2 دراد ﻟا . ﺶﻳﺎﻣزآﻪﺘﺒ ﻢﺘﻳرﻮﮕﻟا،ﺪﻧدادنﺎﺸﻧﺎﻫ
، ﻪﻛيدراﻮﻣ
سﺎﻜﻌﻧا ،ﺪـﺷﺎﺑدﺎـﻳزهﺮـﻬﭼزاهﺪﻴﺑﺎﺗزﺎﺑرﻮﻧ ﻒﻴﻌـﺿدﺮـﻜﻠﻤﻋ
يﺮـﺗ
ﺖﻟﺎﺣﻪﺑﺖﺒﺴﻧ
ﻲﻌﻴﺒﻃ دراد . رد
ﺪﻳﺪﺟﻢﺘﻳرﻮﮕﻟاﻚﻳﻲﺑﺎﻳدرﺶﺨﺑ
ﺶﻣياﺮﺑ ﻞﻜﺷيﺎﻫ
ﻪـﻛﺪـﺷﻪﺋاراﺮﻳﺬﭘ نآرد
ﺮـﺑﻲـﻨﺘﺒﻣشورزا
ياﺮﺑلﺪﻣ ﻒﻴﻌﻀﺗ ﻧ ﺰﻳﻮ ﺪﻳدﺮﮔهدﺎﻔﺘﺳا .
ﻲﺑﺎـﻳدريﺎﻄﺧ ﻦـﻳا
شور
شورﻪﺑﺖﺒﺴﻧ
يﺎﻫ ] 1 [ و 7] [ ﻻﺎـﺣرد ت يﺰﻳﻮـﻧوﺮـﺳﺶﺧﺮـﭼ
اﺮﺘﻤﻛ ﺖﺳ
؛
هﺮﻬﭼﺖﺳردﻦﻴﻤﺨﺗمﺰﻠﺘﺴﻣﻪﺘﺒﻟا
ﺖﺳا . ﻦﺘﺷاﺪﻧ ﺔـﻠﻗ
ﺎﻄﺧ ي ﻪﻨﻴﺸﻴﺑ ﻲﻟاﻮﺗرد ﺎﻫ ﮕﻟاﻲﻠﺻايﺎﻳاﺰﻣزاﻲﻜﻳ ﻢﺘﻳرﻮ
ﻪﺑﺖﺒﺴﻧ
شور ] [7 ﻲﻣ ﺪﺷﺎﺑ ﻦﻳا. ﺖـﻴﻠﺑﺎﻗ ﻪﺘـﺳﻮﻴﭘﻲﺑﺎـﻳدررد ﻞـﺜﻣ
سوﺎـﻣ
ﻲﻨﻴﺑرود و ﻪﻧﺎﻣﺎﺳ ﻲﮕﺘﺴﺧﺺﻴﺨﺸﺗيﺎﻫ ﺪﻴﻔﻣ
ﺖﺳا ﻦﻴـﻨﭽﻤﻫ . ﺎـﺑ
ردﻲﺗاﺮﻴﻴﻐﺗ ﻢﺘﻳرﻮﮕﻟا
، ﻲﻣ ناﻮﺗ رد ﺮﮕﻳديﺎﻫدﺮﺑرﺎﻛ دﻮﻤﻧهدﺎﻔﺘﺳا
.
لوﺪﺟ ) 2 يدﺎﻬﻨﺸﻴﭘﻢﺘﻳرﻮﮕﻟايﺎﻫﺮﺘﻣارﺎﭘﺮﻳدﺎﻘﻣ :(
ﺮﺘﻣارﺎﭘ راﺪﻘﻣ
μr 0/44488
μg 0/28709
C11 0/0029704
21
12 C
C = -0/0014205
C22 0/00099084
W 3
τ 0/5
ﺟاﺮﻣ ﻊ
] 1 [ ـﻠﻋ،يرﻮﻤﻴﺗ ؛اﺮﻴﻤـﺳ،يرﻮﺒـﺻ؛ﺎـﺿﺮﻴﻠﻋ،داﺮـﻬﺑ؛ﻲ
"
وﺺﻴﺨﺸـﺗ
ةﺮﻬﭼرﺎﻛدﻮﺧﻲﺑﺎﻳدر سﺎﺴـﺣﺮـﻴﻏشورﻚـﻳﺎـﺑﻮﺋﺪﻳوردداﺮﻓا
ﺮـﺳﺶﺧﺮﭼﻪﺑﺖﺒﺴﻧ
"
ﻲـﺳﺪﻨﻬﻣﺲﻧاﺮـﻔﻨﻛةرودﻦﻴﻤﻫدﺰﻧﺎـﺷ،
،ناﺮﻳاقﺮﺑ ص . 910 - تاﺮﺑﺎﺨﻣ915
، 1387 .
[2] Y. Shin, and E. Y. Kim, “Welfare Interface Using Multiple Facial Features Tracking,” 19th Australian Joint Conference on Artificial Intelligence, pp. 453- 462, 2006.
[3] R. Schettini, “A Segmentation Algorithm for Color Images,”Mag. Pattern Recognition Letters, Vol. 14, pp.499-566, 1994.
[4] L. Pi, J. Fan, and C.Shen, “Color Image Segmentation for Objects of Interest with Modified Geodesic Active Contour Method,” Journal of Mathematical Imaging and Vision, Vol. 27, pp. 51- 57, 2007.
[5] B. Sumengen, and B.S. Manjunath, “Graph Partitioning Active Contours (GPAC) for Image Segmentation,” IEEE Trans. on PAMI, Vol. 28, No.
4, 2006.
[6] P. Viola, and M.J. Jones, “Rapid Object Detection Using a Boosted Cascade of Simple Features,” IEEE CVPR, pp. 511-518, 2001.
[7] R. Lienhart, and J. Maydt, “An Extended Set of Haar-Like Features for Rapid Object Detection,”
IEEE ICIP, pp. 900-903, 2002.
[8] J-B. Kim, S-W. Jung, and H.J. Kim, “Face Detection by Integrating Multiresolution-Based Watershed and a Skin-Color Model,” 19th Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems, pp.715-724, 2002.
[9] J. Chen, Y. Li, L. Qing, B.Yin, and W. Gao, “Face Samples Re-Lighting for Detection Based on the Harmonic Image,” 5th Pacific Rim Conference on Multimedia, pp. 585-592, 2004.
[10] S. Shan, P. Yangi, X. Chen, and W.Gao, “AdaBoost Gabor Fisher Classifier for Face Recognition,” IEEE Workshop on Analysis and Modeling of Faces and Gestures, pp. 278-291, 2005.
[11] K-H. An, D-H. Yoo, S-U. Jung, and M.J. Chung,
“Robust Multi-View Face Tracking,” International Conference on Intelligent Robot and Systems, pp.
1905-1910, 2005.
[12] G-Q. Zhaol, L. Chen, and G-C. Chen, Washburn, “A Simple 3D Face Tracking Method Based on Depth Information,” IEEE MLS, pp. 5022-5027, 2005.
[13] C. Lerdsudwichai, and M. Abdel-Mottaleb,
“Algorithm for Multiple Faces Tracking,”
International Conference on Multimedia and Expo, Vol. 2, pp. II-777-780, 2003.
[14] J. Tu, T. Huang, and H. Tao, “Face as Mouse Through Visual Face Tracking,” 2nd Canadian Conference on Computer and Robot Vision, pp. 339- 346, 2005.
[15] P. Corcoran, M.C. Jonita, and J. Bacivarov, “Next Generation Face Tracking Technology Using AAM Techniques,” International Symposium on Signals, Circuits and Systems, Vol. 1, pp. 1-4, 2007.
[16] X. Zhu, J. Yang, and A. Wailbel, “Segmenting Hands of Arbitrary Color” IEEE FG, pp. 446-453, 2000.
[17] A.R. Behrad, and S.A. Motamedi, “Moving Target Detection and Tracking Using Edge Features Detection and Matching,” IEICE Trans. on Info. and Systems, E86-D (12):2764-2774, 2003.
[18] J. Shi, and C. Tamasi, “Good Features to Track,”
IEEE CVPR, pp.593-600, 1994.
[19] J.R Shewchuk, “Delaunay Refinement Mesh Generation,” Ph.D. Thesis, 1997.
[20] P.H.S. Torr, and D.W. Murray, “Outlier Detection and Motion Segmentation,” Proceedings of SPIE, Sensor Fusion VI, Vol. 2059, pp. 432-443, 1993.
