چکیده مقاله
الگوریتم Histogram of Oriented Gradients HOG یکی از روش های موثر در استخراج ویژگی های ساختاری تصویر است که به ویژه در تشخیص اشیاء انسانی در محیط های شهری کاربرد دارد این الگوریتم با تحلیل جهت گیری گرادیان های شدت در نواحی محلی، قادر است الگوهای لبه ای را با دقت بالا مدل سازی کند با وجود مزایای متعدد از جمله سادگی، سرعت بالا و قابلیت پیاده سازی در سیستم های بلادرنگ، عملکرد HOG در مواجهه با شرایط نوری متغیر دچار نوسان می شود این مقاله با رویکرد توصیفی تحلیلی و مرور سیستماتیک منابع علمی، به بررسی دقیق تاثیر عوامل نوری مانند نور کم، اشباع شدگی، سایه های متحرک و بازتاب های سطحی بر دقت و پایداری الگوریتم HOG پرداخته است همچنین، راهکارهایی برای بهبود عملکرد الگوریتم از جمله استفاده از تکنیک های پیش پردازش، ترکیب با ویژگی های مکمل مانند رنگ و بافت، و بهره گیری از طبقه بندهای هوشمند ارائه شده است نتایج بدست آمده نشان می دهد که تلفیق HOG با روش های یادگیری عمیق و تنظیمات تطبیقی می تواند مسیر موثری برای افزایش دقت در محیط های واقعی فراهم سازد
کلیدواژهها
نویسندگان
بهنام علیزاده اشرفی
استادیار و عضو هیئت علمی دانشکده چندرسانه ای، دانشگاه هنر اسلامی تبریز
سالار اصل خادمی افضل
دانشجوی کارشناسی ارشد طراحی شبیه سازهوشمند، دانشگاه هنر اسلامی تبریز
شیوه ارجاع
�لیزاده اشرفی، بهنام و اصل خادمی افضل، سالار،1404،تحلیل پایداری الگوریتم HOG در تشخیص اشیاء انسانی در تصاویر شهری با شرایط نوری متغیر،بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل
ارائهشده در
مجموعه مقالات بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 تیر 1404 · بابل