“…The tracking and isolation of moving objects with a specific range of speed are a challenging research topic in the field of automotive application [28][29][30][31]. To cope with this issue, velocity filters have been used in the past for localizing and monitoring moving objects in image sequences or otherwise 3D imagery [32][33][34]. Filter banks are used for fast implementation of the localization and monitoring of moving vehicles.…”
Section: Introductionmentioning
confidence: 99%
“…Filter banks are used for fast implementation of the localization and monitoring of moving vehicles. These banks are built using 3D FFT to perform directional filtering [28][29][30][31][32][33][34][35].…”
In this work, the quantum version of 3D FFT is proposed for constructing velocity filters. Velocity filters are desirable when we need to separate moving objects with a specific velocity range in amplitude and direction in a rapidly changing background. These filters are useful in many application fields, such as for monitoring regions for security reasons or inspecting processes in experimental physics. A faster and more attractive way to implement this filtering procedure is through 3D FFT instead of using 3D FIR filters. Additionally, 3D FFT provides the capability to create banks of ready-made filters with various characteristics. Thus, 3D filtering is carried out in the frequency domain by rejecting appropriate frequency bands according to the spectral content of the trajectory of the object to be isolated. The 3D FFT procedure and the corresponding inverse one are required in the beginning and end of the filtering process. Although 3D FFT is computationally effective, it becomes time-consuming when we need to process large data cubes. The implementation of velocity filters by means of the quantum version of 3D FFT is investigated in this work. All necessary quantum circuits and quantum procedures needed are presented in detail. This proposed quantum structure results in velocity filtering with a short execution time. For this purpose, a review of the necessary quantum computational units is presented for the implementation of quantum 3D FFT and representative examples of applications of velocity filtering are provided.
“…The tracking and isolation of moving objects with a specific range of speed are a challenging research topic in the field of automotive application [28][29][30][31]. To cope with this issue, velocity filters have been used in the past for localizing and monitoring moving objects in image sequences or otherwise 3D imagery [32][33][34]. Filter banks are used for fast implementation of the localization and monitoring of moving vehicles.…”
Section: Introductionmentioning
confidence: 99%
“…Filter banks are used for fast implementation of the localization and monitoring of moving vehicles. These banks are built using 3D FFT to perform directional filtering [28][29][30][31][32][33][34][35].…”
In this work, the quantum version of 3D FFT is proposed for constructing velocity filters. Velocity filters are desirable when we need to separate moving objects with a specific velocity range in amplitude and direction in a rapidly changing background. These filters are useful in many application fields, such as for monitoring regions for security reasons or inspecting processes in experimental physics. A faster and more attractive way to implement this filtering procedure is through 3D FFT instead of using 3D FIR filters. Additionally, 3D FFT provides the capability to create banks of ready-made filters with various characteristics. Thus, 3D filtering is carried out in the frequency domain by rejecting appropriate frequency bands according to the spectral content of the trajectory of the object to be isolated. The 3D FFT procedure and the corresponding inverse one are required in the beginning and end of the filtering process. Although 3D FFT is computationally effective, it becomes time-consuming when we need to process large data cubes. The implementation of velocity filters by means of the quantum version of 3D FFT is investigated in this work. All necessary quantum circuits and quantum procedures needed are presented in detail. This proposed quantum structure results in velocity filtering with a short execution time. For this purpose, a review of the necessary quantum computational units is presented for the implementation of quantum 3D FFT and representative examples of applications of velocity filtering are provided.
“…Για το σκοπό αυτό, σε κάθε ζεύγος θερμικών υπέρυθρων εικόνων, που αντιστοιχούν στην νηφάλια και στη μη νηφάλια κατάσταση ενός ατόμου, εφαρμόσαμε φιλτράρισμα και μορφολογικές πράξεις για να μειώσουμε τον θόρυβο και να ενισχύσουμε τις ακμές.Συγκεκριμένα, εφαρμόσαμε τη γραμμική ανισοτροπική διάχυση[18,59,79] για την Κεφάλαιο 6 Διαπίστωσης μέθης μέσω της δραστηριότητας των αιμοφόρων αγγείων 78 ενίσχυση των αιμοφόρων αγγείων στις εικόνες και στην συνέχεια τον μετασχηματισμό top-hat[51,61] για να απομονώσουμε τα αιμοφόρα αγγεία από την υπόλοιπη πληροφορία του προσώπου. Στη συνέχεια, για να ενισχύσουμε τον ισχυρισμός μας, πραγματοποιήσαμε στατιστικό έλεγχο εφαρμόζοντας το Student's ttest[20,25,59,68]. Τέλος, να σημειώσουμε ότι στο πείραμα μας αυτό, πήραν μέρος και οι 40 συμμετέχοντες, αριθμός που θεωρείται επαρκής για το στατιστικό συμπέρασμα.Οι θερμικές υπέρυθρες εικόνες περιέχουν θόρυβο, που πολλές φορές καταστρέφει σημαντικές πληροφορίες και λεπτομέρειες που είναι σημαντικές για την ερμηνεία της εικόνας.…”
Στη Διδακτορική Διατριβή εξετάζεται η δυνατότητα διαπίστωσης κατάστασης μέθης με τη χρήση θερμικών υπέρυθρων εικόνων του προσώπου. Η ιδέα στηρίζεται στο γεγονός ότι το δίκτυο των αιμοφόρων αγγείων του προσώπου θα παρουσιάζει σε κατάστασης μέθης αυξημένη δραστηριότητα. Η διαπίστωση αυτή θα μπορούσε να οδηγήσει σε ένα αυτόματο σύστημα αναγνώρισης μεθυσμένων, το οποίο θα χρησιμοποιείται από τις αρχές ως ένα πρώτο στάδιο για την διαπίστωση μέθης πριν το άτομο εξεταστεί με το αλκοολόμετρο ή με ανάλυση αίματος. Ωστόσο, οι περισσότερες δημοσιεύσεις στη βιβλιογραφία αναφέρονται μόνο σε συστήματα ελέγχου μέθης που τοποθετεί η αυτοκινητοβιομηχανία στα οχήματα και τα οποία χρησιμοποιούν σήματα από τη καρδιά ή τον εγκέφαλο. Στην εκπόνηση της διδακτορικής χρησιμοποιήθηκαν υπέρυθρες εικόνες οι οποίες αποκτήθηκαν με τη βοήθεια της θερμικής υπέρυθρης κάμερας Thermo Vision Micron/A10 (18mm, πρέπει F/1.6) της εταιρείας FLIR. Το εύρος λειτουργίας της θερμικής υπέρυθρης κάμερας είναι από 7.5 έως 13.0 μm. Σαράντα ένα άτομα κατανάλωσαν αλκοόλ με συντεταγμένο τρόπο για να δημιουργηθεί η βάση δεδομένων (http://www.physics.upatras.gr/sober/). Στη διδακτορική διατριβή εφαρμόστηκαν επτά διαφορετικές προσεγγίσεις για να γίνει ο έλεγχος, εάν οι εικόνες υπέρυθρων μπορούν να αποκαλύψουν την κατάσταση μέθης. Στα κεφάλαια 1-3 δίνονται εισαγωγικές έννοιες για τους παθητικούς θερμικούς αισθητήρες για τη συμπεριφορά του δέρματος στο θερμικό υπέρυθρο καθώς και αναλυτικά στοιχεία για την συμπεριφορά του ανθρώπου στο αλκοόλ. Στο τέταρτο κεφάλαιο, για την αναγνώριση μεθυσμένων χρησιμοποιήθηκαν οι θερμικές τους εικόνες και ως διάνυσμα χαρακτηριστικών απλά σημεία σε διαφορές θέσεις πάνω στο πρόσωπο των εθελοντών. Μέσω εφαρμογής της Fisher Linear Discriminant Analysis μειώθηκε ο χώρος των χαρακτηριστικών από είκοσι σε δύο διαστάσεις. Ο χώρος των χαρακτηριστικών εύκολα διαχωρίζεται σε δυο περιοχές, την "νηφάλια" και την "μεθυσμένη". Στο κεφάλαιο 5, μελετήθηκαν οι θερμοκρασιακές διαφορές που παρουσιάζονται στις περιοχές του προσώπου κατά την κατανάλωση αλκοόλ. Σύμφωνα με αυτή την προσέγγιση δεν είναι απαραίτητο να έχουμε την θερμική εικόνα του ατόμου στην νηφάλια κατάσταση. Για παράδειγμα, μόνο η θερμική εικόνα του μεθυσμένου είναι χρήσιμη για να εκτιμήσουμε την κατάστασή του, καθώς για παράδειγμα η θερμοκρασία της μύτης στον μεθυσμένο είναι πάντα πιο υψηλή από την θερμοκρασία του μετώπου. Στο κεφάλαιο 6, για την αναγνώριση των μεθυσμένων, μελετήθηκε η δραστηριότητα των αιμοφόρων αγγείων του προσώπου. Αυτή η προσέγγιση στηρίζεται στο γεγονός, ότι τα αιμοφόρα αγγεία του προσώπου παρουσιάζουν μεγαλύτερη δραστηριότητα και επιπλέον κάποια από αυτά εμφανίζονται πιο φωτεινά όταν το άτομο καταναλώνει αλκοόλ. Στο έβδομο κεφάλαιο, η αναγνώριση των μεθυσμένων διερευνήθηκε μέσω της εφαρμογής νευρωνικών δικτύων στις θερμικές υπέρυθρες εικόνες των προσώπων τους. Οι μεγάλες νευρωνικές δομές επιτυγχάνουν υψηλότερη απόδοση στην αναγνώριση μεθυσμένων όταν εφαρμόζονται σε ολόκληρο το πρόσωπο. Τέλος, οι μικρές νευρωνικές δομές επιτυγχάνουν πάνω από 90% όταν εφαρμόζονται μόνο στο μέτωπο. Στο όγδοο κεφάλαιο, μελετήθηκαν εκτενώς ισοθερμικές περιοχές στο πρόσωπο του νηφάλιου και του μεθυσμένου. Οι ισοθερμικές περιοχές στο πρόσωπο αλλάζουν με την κατανάλωση ποσότητας αλκοόλ. Στο ένατο κεφάλαιο, μελετήθηκε η κατανομή της θερμοκρασίας στα μάτια. Ο σκληρός χιτώνας και η ίριδα του ματιού βρίσκονται στην ίδια θερμοκρασία όταν το άτομο είναι σε νηφάλια κατάσταση. Στην περίπτωση του μεθυσμένου, η ίριδα γίνεται σκοτεινότερη, πράγμα που σημαίνει ότι η θερμοκρασία του σκληρού χιτώνα έχει αυξηθεί. Στο δέκατο κεφάλαιο, εφαρμόστηκαν οι διαδικασίες Markov με σκοπό να διαχωριστεί το πρόσωπο του μεθυσμένου. Ένα ηλεκτρονικό σύστημα εφοδιασμένο με μια κάμερα θερμικού υπερύθρου μπορεί να ενσωματώνει μια από τις προτεινόμενες μεθόδους και να υποδεικνύει στην αστυνομία σε ποιους θα πρέπει να γίνει οπωσδήποτε έλεγχος με αλκοολόμετρο ή με εξέταση αίματος. Όλες οι μέθοδοι είναι μη-επεμβατικές (non-invasive) και ταχύτατες. Στο ενδέκατο κεφάλαιο, πραγματοποιήθηκε ο σχεδιασμός τράπεζας φίλτρων ταχύτητας.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.