در حال حاضر ، ما در دنیایی زندگی می کنیم که تولید داده های تصویر و فیلم به طور مداوم در حال افزایش است. میزان تصاویر و فیلم های تولید شده هر روز در صدها اگزابیت است. علاوه بر این ، اکنون می توانیم این داده ها را از طریق دستگاه های تلفن همراه و همچنین سنسورهایی که در زندگی روزمره ما رایج تر می شوند ، بدست آوریم. یک مثال برجسته اینترنت اشیاء (IoT) است که از طریق آن انواع مختلفی از اشیاء از طریق سنسورهایی که قادر به نظارت بر محیط خود و ارسال داده ها به دستگاه های دیگر برای تجزیه و تحلیل هستند ، به اینترنت متصل می شوند. تجزیه و تحلیل فیلم و تصویر در زمان واقعی در خودرو ، کشاورزی ، امنیت ، نظارت و غیره مهم است (Zeden et al. ، 2020). این دستگاه به ماشین ها کمک می کند تا محیط را درک کنند و زمینه دقیق لازم برای اتوماسیون را فراهم می کنند ، ویژگی هایی مانند تشخیص حرکت ، تشخیص شی ، ژست یا تجزیه و تحلیل الگوی و شمارش را فراهم می کند. توسعه برنامه های تعبیه شده پیشرفته که ترکیب پردازش فیلم و سایر داده های سنسور را ترکیب می کنند ، مستلزم تسلط بر بسیاری از فناوری ها است. نسل بعدی سیستم تعبیه شده با افزایش خواسته های مربوط به تجزیه و تحلیل فیلم و تصویر در زمان واقعی در برنامه های مختلف هدایت می شود. تقاضا برای عملکرد سیستم تعبیه شده به سرعت در حال رشد است و یک معماری تعبیه شده کارآمد تا حد زیادی بر کاهش اندازه و مصرف برق تأثیر می گذارد. به طور کلی ، تجزیه و تحلیل تصویر و فیلم در زمان واقعی در سیستم های تعبیه شده اشیاء را در تصاویر یا فیلم ها تشخیص داده ، آهنگ می کند و تجزیه و تحلیل می کند ، اغلب برای کمک به ماشین آلات در درک صحنه ها و واکنش مناسب. این می تواند در بسیاری از برنامه ها از جمله روبات ها برای نظارت و امنیت ، وسایل نقلیه خودمختار ، هواپیماهای بدون سرنشین و دستگاه های مصرف کننده اعمال شود. تجزیه و تحلیل ویدیوی در زمان واقعی الگوریتم هایی را که از طریق یادگیری ماشینی می توانند به طور مستقل در دستگاه های جداگانه (پردازش لبه) برای انجام تشخیص و شناخت شیء ، تشخیص چهره ، تشخیص حرکت ، تشخیص تغییر صحنه و موارد دیگر کار کنند ، اعمال می کند.
سیستم های جاسازی شده به طور فزاینده ای در زندگی روزمره ما رایج می شوند و طیف گسترده ای از قابلیت های غنی را به کار می گیرند. دوربین‌ها و فناوری‌های پردازش بینایی فرصت‌های بیشتری را نسبت به قبل برای گسترش قابلیت‌های سیستم‌های تعبیه‌شده فراهم می‌کنند (یانگ و همکاران، 2003). دوربین‌ها اکنون در قلب بسیاری از سیستم‌های تعبیه‌شده، از خانه‌های هوشمند گرفته تا روباتیک پیشرفته قرار دارند. تجزیه و تحلیل تصویر و ویدئو در زمان واقعی را می توان در سیستم های تعبیه شده برای برنامه های نظارت، نظارت، حفاظت و شناسایی استفاده کرد. این به پردازش جریانی از تصاویر و شناسایی رویدادهای خاص در آن جریان کمک می کند. چشم انداز تعبیه شده مرزهای کاری را که فناوری سیستم روی تراشه (SoC) می تواند برای یادگیری عمیق انجام دهد، تغییر می دهد. تغییر پارادایم در تجزیه و تحلیل منجر به توسعه SoC های دید تعبیه شده با کارایی بالا می شود که یادگیری عمیق و هوش مصنوعی را ادغام می کند. این شماره ویژه بر تجزیه و تحلیل تصویر و ویدیوی بلادرنگ در جنبه های مختلف سیستم های تعبیه شده تمرکز دارد. موضوعاتی که در این دوره ارائه می شود شامل نمونه برداری تصویر/ویدئو، تبدیل تصویر/ویدئو، فیلترینگ تصویر/فیلم، تشخیص چهره، تشخیص لکه، ردیابی چند شیء، دید استریو، واقعیت افزوده و تشخیص ژست می باشد.
فهرست موضوعات مورد علاقه شامل موارد زیر است اما به آنها محدود نمی شود:
• چارچوب های یادگیری عمیق در زمان واقعی برای تجزیه و تحلیل تصویر و ویدئو • روند در هوش مصنوعی برای پردازش کارآمد ویدیو در سیستم های جاسازی شده موبایل • نظارت هوشمند در سیستم های جاسازی شده در زمان واقعی با هوش مصنوعی و یادگیری عمیق • درک و پردازش تصویر و ویدئو 2D/3Dدر سیستم های بلادرنگ • پیشرفت در رویکردهای تجزیه و تحلیل تصویر و ویدئو برای سیستم های جاسازی شده در مقیاس بزرگ • ادغام دانش در زمان واقعی در سیستم ها و برنامه های کاربردی تعبیه شده با تجزیه و تحلیل تصویر و ویدئو • تجزیه و تحلیل تصویر و ویدئو در زمان واقعی برای محاسبات هوایی و سیستم های پهپاد •جستجوی بصری موبایلی بی‌درنگ با یادگیری عمیق و بینایی رایانه • تصویربرداری موبایل و پردازش ویدیوی بی‌درنگ برای برنامه‌های هوشمند • پیشرفت در عکاسی محاسباتی بی‌درنگ برای برنامه‌های جاسازی شده
تاریخ های مهم
• تاریخ مهلت ارسال – 31 دسامبر 2022
ویراستاران مهمان دکتر Andino Maseleno، Universiti Tenaga Nasional، Selangor، مالزی. شناسه ایمیل - andino. [email protected]. org
دکتر آشوتوش دار دوویدی، دانشکده بازرگانی کپنهاگ، دانمارک. دکتر جی. آلفرد دانیل، دانشگاه آنا، هند دکتر سوجاتا کریشنامورتی، دانشگاه ونژو کین، ونژو، چین.
دستورالعمل های ارسال قبل از ارسال نسخه خطی ، لطفاً اطمینان حاصل کنید که دستورالعمل های نویسندگان را برای مجله EuRasip در مورد پیشرفت در پردازش سیگنال به دقت خوانده اید. نسخه خطی کامل باید از طریق مجله Eurasip در مورد پیشرفت در سیستم ارسال پردازش سیگنال ارسال شود. برای اطمینان از ارسال به شماره ویژه صحیح ، لطفاً بخش مناسب را در منوی کشویی پس از ارسال انتخاب کنید. علاوه بر این ، در نامه جلد خود نشان دهید که آرزو می کنید نسخه خطی شما به عنوان بخشی از شماره ویژه در "تجزیه و تحلیل ویدیویی و تصویر در زمان واقعی در سیستم های تعبیه شده" در نظر گرفته شود. کلیه ارسال ها تحت بررسی دقیق همسالان قرار می گیرند و مقالات پذیرفته شده در مجله به عنوان یک مجموعه منتشر می شوند.
ثبت نام در هشدارهای مقاله برای به روزرسانی در مقالات منتشر شده در مجله EuRasip در مورد پیشرفت در پردازش سیگنال - از جمله مقالات منتشر شده در این شماره ویژه! دستورالعمل ارسال قبل از ارسال نسخه خطی ، لطفاً اطمینان حاصل کنید که دستورالعمل های نویسندگان را برای EuRasip Journal در مورد پیشرفت در پردازش سیگنال به دقت خوانده اید. نسخه خطی کامل باید از طریق مجله Eurasip در مورد پیشرفت در سیستم ارسال پردازش سیگنال ارسال شود. برای اطمینان از ارسال به شماره ویژه صحیح ، لطفاً بخش مناسب را در منوی کشویی پس از ارسال انتخاب کنید. علاوه بر این ، در نامه جلد خود نشان دهید که آرزو می کنید نسخه خطی شما به عنوان بخشی از شماره ویژه در "تجزیه و تحلیل ویدیویی و تصویر در زمان واقعی در سیستم های تعبیه شده" در نظر گرفته شود. کلیه ارسال ها تحت بررسی دقیق همسالان قرار می گیرند و مقالات پذیرفته شده در مجله به عنوان یک مجموعه منتشر می شوند.
