آشکارسازی هم زمان، شناسایی و شمارش وسایط نقلیه مبتنی بر یادگیری عمیق YOLO در سیستم های نظارت تصویری

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 116

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NSCI01_066

تاریخ نمایه سازی: 15 آبان 1403

چکیده مقاله:

آشکارسازی ، شناسایی و شمارش خودکار وسایط نقلیه با استفاده از دوربین های نظارت تصویری نقش مهمی در زمینه مدیریت هوشمند حمل و نقل ایفا می کند. علیرغم پیشرفت هایی که محققان در این موارد داشته اند، اجرای عملیاتی آن همچنان با چالش هایی مانند »شرایط مختلف محیطی «، »مجموعه داده های نامتعادل«، »دقت « و »سرعت « مواجه است . بنابراین ، پژوهش در رفع این موارد می توان مفید واقع شود. الگوریتم پیشنهادی برای آشکارسازی ، دسته بندی و شمارش مبتنی بر یادگیری عمیق خواهد بود. در این مقاله پس از بررسی انواع روشهای تشخیص و شناسایی اخیر وسایط نقلیه مبتنی بر یادگیری عمیق و استخراج چالش هایی چون سرعت و دقت الگوریتم ها و نیز چالش مجموعه دادههای محک و ارزیابی ، به معرفی یک روش کارآمد برای افزایش دقت شمارش خودرو خواهیم پرداخت . در این تحقیق ، پس از اعمال الگوریتم پیشنهادی پیش پردازش اولیه از آخرین نسخه الگوریتم YOLO (V۴)، برای آشکارسازی و دسته بندی وسائط نقلیه بهره می بریم . برای ردیابی هم زمان چند وسیله نقلیه ، هم از الگوریتم DeepSORT استفاده می گردد. برای شمارش دقیق وسائط نقلیه ، نیز یک روش توسعه داده شده پیشنهاد می گردد تا دقت پردازش افزایش یابد. با اعمال پیش پردازشها و تکنیک شمارش پیشنهادی ، نتایج عملی نشان می دهد که معیار "فراخوان" در ویدئوی شب به ۱۸.۹۹% افزایش یافته است .

نویسندگان

علیرضا آکوشیده

عضو هیات علمی (استادیار)، دکتری مهندسی برق الکترونیک ، دانشگاه فنی و حرفه ای

سیدشفیع اله سادات

عضو هیات علمی (مربی )، مهندسی کامپیوتر، دانشگاه پلی تکنیک کابل (دانش آموخته دانشگاه گیلان)

اسداله شاه بهرامی

عضو هیات علمی (استاد)، مهندسی کامپیوتر، دانشگاه گیلان