استفاده از یادگیری حرکت در ردیابی وسایل نقلیه در صحنه ترافیک
- سال انتشار: 1382
- محل انتشار: نهمین کنفرانس سالانه انجمن کامپیوتر ایران
- کد COI اختصاصی: ACCSI09_005
- زبان مقاله: فارسی
- تعداد مشاهده: 1809
نویسندگان
دانشجوی دکتری الکترونیک دانشگاه تربیت مدرس
استادیار گروه الکترونیک دانشگاه تربیت مدرس
دانشیار گروه الکترونیک دانشگاه تربیت مدرس
دانشیار گروه کامپیوتر دانشگاه علم وصنعت
چکیده
از یادگیری مسیر حرکت وسایل نقلیه در ردگیری بهتر، همچنین درتشخیص رفتار وسایل نقلیه استفاده می شود. در این مقاله مختصات مسیر حرکت وسایل نقلیه در طی 8000 فریم با خوشه بندی فازی k میانگین به 200 مرکز، خوشه بندی می شوند. سپس یک ماتریس 200 ضربدر 200 به نام ماتریس گذر مراکز (CTM) برای مدل کردن اطلاعات مکانی – زمانی، پیشنهاد می شودد. عنصر ij این ماتریس بیان کننده آن است که شیئی در دو فریم متوالی از مرکز i به مرکز j گذر کرده است. برای تکمیل درایه های این ماتریس روی 9000 فریم ردیابی چند شیئی انجام شده و ماتریس گذر مراکز، تکمیل می شود. ردگیری چند شیئی به کمک جستجوی تکه های متحرک مشابه ، مبتنی بر انطباق هیستوگرام رنگ انها به همراه پیشگویی RLS انجام می شود. از ماتریس CTM در همگرایی سریع الگوریتم پیشگویی RLS استفاده شده، که خطای پیش بینی روی تعداد زیادی از وسایل نقلیه حداقل 80% کاهش یافته است. همچنین CTM در جستجوی تکه های مشابه، کارآمد است و می تواند شعاع و موقعیت جستجو را تعیین کند. الگوریتم مبتنی بر ماتریس گذر مراکز نوعی اعمال اطلاعات سطح بالا، در ردیابی بهتر چند شیئی می باشد.کلیدواژه ها
اطلاعات مکانی - زمانی ، خوشه بندی فازی ، k میانگین ، پیشگویی RLS ، ماتریس گذر مراکز (CTM) ، الگوریتم بالا به پایین (top-down)مقالات مرتبط جدید
- تحلیل انطباقی کیفیت و میزان محبوبیت خدمات ابری با بررسی و مقایسه رتبه بندی Tranco و رتبه بندی عملکردی شرکت های ابری
- طبقه بندی سیگنال های EEG ثبت شده از قشر پیش پیشانی به منظور کشف اثر موسیقی در شدت احساسات با استفاده از شبکه عصبی مصنوعی و پرسشنامه
- ارائه رویکردی برای مدیریت ریسک در پروژه های نرمافزاری با استفاده از خوشه بندی تجمعی
- تحلیل احتمالنقض ترتیب علیتی پیام ها در یک الگوریتم پخش علیتی در سیستمهای توزیع شده
- بهینه سازی به سبک گربه های شنی: الگوریتمی برای جستجوی کارآمد و مدیریت ازدحام
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.