تشخيص تصويري وضعيت شناگران در استخر با استفاده از شبكه هاي عصبي

Visual Detection of Pool Swimmers Using Neural Networks

در اين مقاله با كمك روش هاي پردازش تصوير و شبكه هاي عصبي رقابتي الگوريتمي جهت تشخيص روي آب يا داخل آب بودن شناگران از طريق دوربين هاي نظارتي، ارايه مي شود. در ابتدا بردارهاي آموزشي براي آموزش شبكه متناسب با وضعيت هاي مختلف جسم در محيط آبي و پسزمينه تهيه و از اين بردارها براي آموزش شبكه استفاده مي شود. ورودي شبكه عصبي بردار رنگ پيكسل هاي تصوير ورودي و خروجي آن بردار رنگ پيكسل هاي تصوير خروجي شبكه مي باشد. در مرحله آموزش، شبكه مي آموزد كه به ازاي هر كدام از حالات پيكسل هاي متعلق به شناگر زير آب، شناگر روي آب و يا متعلق به پس زمينه، بردار رنگ جداگانه اي در خروجي ايجاد كند. سپس براي بهبود نتيجه پردازش هايي بر روي تصوير خروجي صورت مي گيرد و وضعيت شناگر بطور دقيق تعيين مي شود.

Using image processing methods and competitive neural networks, we provide in this paper an algorithm to detect whether swimmers are swimming on top of or under water by means of surveillance cameras. Educational vectors are first prepared for network education based on different states of objects in the water environment and backgrounds and the vectors are then used for network education. The input of the vector neural network is the color of the input image pixels, and the output of that vector is the color of the output image pixels. In the education phase, the network learns that the vector creates a separate color in the output depending on different states of pixels belonging to the underwater swimmer or belonging to the background. The output image is then processed to improve the result, and the swimmer's status is determined precisely.