روشي جديد در رديابي اهداف متحرك هوايي با استفاده از الگوريتم AFFINE-SIFT

A New Framework for Tracking Aerial Moving Targets using AFFINE – SIFT Algorithm

رديابي هدف متحرك فرايندي است كه در آن يك شي مشخص در يك دنباله ويديويي از قاب‌ها تعقيب و مكان آن در هر قاب آشكار مي‌شود. هدف از اين فرايند تسهيل در پردازش‌هاي بعدي براي تحليل رفتار يا شناسايي سوژه متحرك است. در اين مقاله رويكردي جديد در زمينه آشكارسازي و رديابي اهداف متحرك هوايي بر مبناي الگوريتم‌هاي تطبيق مشخصه ارايه شده است. آشكارسازي اهداف هوايي توسط چگالي طيفي و اطلاعات پيشينه‌ي هدف انجام مي‌شود و براي رديابي اهداف متحرك از الگوريتم تطبيق مشخصه‌ ASIFT استفاده مي‌شود. چالش‌ موجود انتخاب ويژگي‌هايي‌ است كه در مقابل تغييرهاي شدت روشنايي، نويز، دوران، تغيير مقياس و زاويه‌ ديد مقاوم باشند. براي حل اين مشكل نقاط كليدي و متناظر آن‌ها در الگوهاي استخراج شده از قاب‌هاي متوالي، توسط الگوريتم ASIFT محاسبه مي شود، همچنين به منظور كاهش تناظرهاي اشتباه در قاب‌هاي متوالي از الگوريتم RANSAC استفاده شده است. در اين مقاله براي مقاوم كردن الگوريتم نسبت به تغيير مقياس هدف از تاريخچه مقياس سوژه در 10 قاب قبلي استفاده شده است. الگوريتم ارايه شده بر روي پايگاه داده استاندارد AIRCRAFT TRACKING اجرا شد. نتايج آزمايش ها كارآمدي روش ارايه شده را در دقت رديابي نسبت به الگوريتم‌هاي مطرح در رديابي نشان مي دهد.

Moving target tracking is a process in which an object is tracked and its location is determined in each frame. The goal of this process is facilitating the subsequent process in order to analyze the behavior or detect moving objects. In this paper, a new approach has been proposed for aerial moving targets detection and tracking based on feature matching algorithms. By this way, we propose spectral density for target detection and ASIFT feature matching algorithm for tracking. The challenge is selecting features that are robust against the changes of brightness, noise, rotation, scaling and viewing angle. To solve this problem, key points and their correspondence on the patterns extracted from consecutive frames, are calculated by the ASIFT algorithm. Also, to reduce false matches in consecutive frames, the RANSAC algorithm is used. In addition to strengthening the proposed algorithm against the scale change of target, the object history scale in the 10 previous frames is used. The proposed algorithm was performed on an AIRCRAFT TRACKING standard database. Experimental results demonstrate the robustness and accuracy of our proposed technique.