این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پردازش علائم و داده ها، جلد ۱۳، شماره ۳، صفحات ۷۹-۹۸
عنوان فارسی ارائه‌ی روشی مقاوم نسبت به تغییرات روشنایی در آشکارسازی و ردیابی خودروها درصحنه‌های ترافیکی
چکیده فارسی مقاله در این مقاله روشی سریع مبتنی بر پردازش‌های هوشمند تصویر، جهت آشکارسازی و ردیابی خودروهای متحرک در تقاطع‌ها ارائه‌شده است. در بخش آشکارسازی، ابتدا از مدل گوسی ترکیبی استفاده‌شده تا مناطق متحرک به دست آید. سپس به کمک یک مدل آشکارساز که توسط ویژگی‌های هیستوگرام گرادیان جهت‌دار استخراج‌شده از تصاویر آموزشی و کلاس بند آبشاری و ماشین بردار پشتیبان آموزش‌دیده است، آشکارسازی خودروها صورت می‌پذیرد. در بخش ردیابی، در ابتدا تعدادی نقطه‌ی کلیدی بر روی تصویر هر خودرو مشخص می‌شود، برای به دست آوردن این نقاط کلیدی، از مرکز جرم هدف و گوشه‌های آن استفاده‌شده است. زیرا اصولاً این نقاط در ردیابی اجسام صلب اهمیت بیشتری دارند و معمول‌تر هستند. سپس عمل ردیابی این نقاط در فریم‌های متوالی با ایده گرفتن از روش‌های تطبیق قطعی صورت گرفته است. همچنین در زمان‌هایی که آشکارساز قادر به آشکارسازی اهداف نبوده جهت تخمین مکان جدید هدف از فیلتر کالمن استفاده‌شده است. مزیت عمده‌ی این روش نسبت به روش‌های قبلی مقاومت در برابر تغییرات روشنایی و همپوشانی خودروها است، به‌طوری‌که با دقت 90.80% قادر به آشکارسازی خودروها درصحنه‌های پرترافیک و با دقت 88.75% قادر به ردیابی خودروها شده است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Robust method of changes of light to detect and track vehicles in traffic scenes
چکیده انگلیسی مقاله In this paper Intelligent image processing-based rapid method for detecting and tracking moving vehicles at intersections is proposed. In the detection part, the Gaussian mixture model used to obtain the moving parts. Then, the targets were detected using HOG features extracted from training images, Adaboost Cascade Classifier and the trained SVM. At the tracking part, a number of key points on the image of the vehicle were identified at first. The center of mass of the object and the edges were used to obtain these key points because these points are primarily important and more common in tracking rigid bodies. Then, these points were tracked in consecutive frames using definitive adaptive procedures. Also, the Kalman filter was used to estimate new locations when the detector was not able to detect the targets. The major advantage of this method compared to previous methods, is resistance against vehicle's overlapping and changes in Illuminations,so that the detection accuracy is 90.80% on overloaded traffic scenes and 88.75% accuracy on the tracking vehicles.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله زهرا حنیفه لو | zahra hanifelou
hanifelo@eng.ui.ac.ir
دانشکده مهندسی کامپیوتر، گروه مهندسی هوش مصنوعی، دانشگاه اصفهان، ایران.
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

سید امیرحسن منجمی | amir hassan monadjemi
monadjemi@eng.ui.ac.ir
دانشکده مهندسی کامپیوتر، گروه مهندسی هوش مصنوعی، دانشگاه اصفهان، ایران.
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

پیمان معلم |
p_moallem@eng.ui.ac.ir
دانشکده فنی و مهندسی، گروه مهندسی برق، دانشگاه اصفهان، ایران.
سازمان اصلی تایید شده: دانشگاه اصفهان (Isfahan university)

نشانی اینترنتی http://jsdp.rcisp.ac.ir/browse.php?a_code=A-10-224-1&slc_lang=fa&sid=fa
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1315/article-1315-386425.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده مقالات پردازش تصویر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات