آشکارسازی سریع و منعطف وسایل نقلیه در رشته ای از تصاویر توسط شبکه های عمیق

دوربین های مداربسته در مقایسه با GPS و حسگرهای تشعشع مادون قرمز، قادر به ارائه اطلاعات دقیق تر ترافیک هستند. با پردازش هوشمند اطلاعات تصویری فراهم شده توسط آنها تحلیل مسائل ترافیکی دقیق تر انجام می شود. در این میان، سرعت مکان یابی خودرو اهمیت ویژه ای دارد؛ زیرا پس از موقعیت یابی خودرو نیاز به پردازش های دیگری برای تصمیم گیری است که نیاز به مدیریت زمان دارد. هدف از مطالعه حاضر، ارائه الگوریتمی مبتنی بر شبکه های عمیق است که این چالش را برطرف سازد. در الگوریتم ارائه شده، یک شبکه آشکارساز سریع و دقیق بر پایه میدان های ادراکی چندگانه، قطعه بندی و تصاویر تفاضلی طراحی شده است که با تولید نقشه های ویژگی معنادار غربال شده، دقت آشکارساز و با کاهش پارامترها، سرعت آن را افزایش می دهد. در الگوریتم ارائه شده، نوع مانور هر خودرو با توجه به اطلاعات زمانی و مکانی آن خودرو و خودروهای اطرافش با استفاده از گریدبندی جاده تعیین می شود. سپس با توجه به نوع مانور، شبکه پیش بینی کننده را در یکی از حالات حفظ خط، گردش به چپ و گردش به راست خودرو انتخاب می کند. شبکه های طراحی شده در الگوریتم پیشنهادی مکمل یکدیگرند. عملکرد الگوریتم پیشنهادی با آزمایش بر روی مجموعه داده های Highway و UA-DETRAC نشان داده می شود.

کلیدواژه ها:

آشکارسازی وسایل نقلیه ، پیش بینی موقعیت ، طبقه بندی مسیر