ردیابی چندین خودرو با استفاده از فیلتر کالمن و تابع هزینه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 655

فایل این مقاله در 19 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICESCON04_294

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

سیستمهای نظارت ترافیکی یکی از مهمترین سیستمهایی هستند که خودکار بودن آنها ضروری است. از میان روشهای مختلفی که برای کنترل سیستم نظارت ترافیکی وجود دارد، روشهای پردازش ویدیو به دلیل دارا بودن مزایایی همچون هزینهی پایین و ارائهی اطلاعات بیشتر یکی از بهترین روشهامیباشد. با توجه به اینکه اولین و مهمترین قسمت سیستمهای کنترل ترافیک، سیستم تشخیص وردیابی خودروها میباشد و با استفاده از نتایج مراحل شناسایی و ردیابی میتوان پارامترهای ترافیک مانندنوع وسایل نقلیه، تعداد خودرو، حجم ترافیکی و میانگین سرعت را بدست آورد، ارائهی روش مناسبی برای تشخیص و ردیابی وسایل نقلیه اهمیت بسزایی دارد.در این مقاله روشی برای تشخیص و ردیابی وسایل نقلیه ارائه شدهاست. در مرحلهی اول تمامی خودروهای موجود در تصویر توسط روش تفریق پسزمینه تشخیص داده شده و اطلاعات آنها از قبیل مرکز ثقل، مساحت و زاویهی چرخش استخراج شوند. در مرحلهی دوم نیز بر اساس تابع هزینهای که ازاطلاعات استخراجی مرحلهی تشخیص و اطلاعات تخمینی فیلتر کالمن تشکیل شده و فیلتر کالمن،خودروها ردیابی میشوند. برای بررسی عملکرد سیستم نیز از سه ویدیو استفاده شده و میزان دقت این سیستم در مرحلهی تشخیص برابر با 92 / 97 ، در مرحلهی ردیابی برابر با 40 / 98 و کل سیستم برابر با36 / 96 بدست آمدهاست

نویسندگان

سیده افسانه بیرنگ اسکوئی

دانشکده ی برق و کامپیوتر پردیس دانشگاه تبریز

سیده الهه بیرنگ اسکوئی

دانشکده برق و کامپیوتر پردیس دانشگاه تبریز

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • P. G. Michalopoulos, "Vehicle detection video through image processing: the ...
  • R. Mandelbaum, L. McDowell, L. Bogoni, B. Reich, and M. ...
  • S. Zehang, G. Bebis, and R. Miller, "On-road vehicle detection: ...
  • J. Liebelt, C. Schmid, and K. Schertler, _ _ Viewpo ...
  • S. Gupte, O. Masoud, R. F. K. Martin, and N. ...
  • B. Morris and M Trivedi, "Robust classification and tracking of ...
  • Y. W. J. Zheng, N. L. Nihan and M E. ...
  • S. Messelodi, C. M. Modena, and M. Zanin, " A ...
  • Z.-g. L. T. Gao, W.-c. Gao and J. Zhang, _ ...
  • C. Stauffer and W. _ L. Grimson, "Adaptive background mixture ...
  • S _ Negahdaripour, "Revised definition of optical flow: Integration of ...
  • M. Seki, H. Fujiwara, and K. Sumi, "A robust background ...
  • S. Zhao, J. Zhao, Y. Wang, and X. Fu, "Moving ...
  • D. Daily, F. W. Cathy, and S. Pumrin, "An algorithm ...
  • D. Magee, "Tracking multiple vehicles using foreground, background and motion ...
  • C. H. C. D.-Y Huang, W.C. Hu, S.S. Su, "Reliable ...
  • N. Paragios and R. Deriche, "Geodesic active regions: A new ...
  • C. Schlosser, J. Reitberger, and S. Hinz, "Automatic car detection ...
  • J. M. Ferryman, A. D. Worrall, and S. J. Maybank, ...
  • S. Shantaiya, K.Verma, and K.Mehta, "Multiple Object Tracking using Kalman ...
  • C. R. Wren, A. Azarbayejani, T. Darrell, A. Pentland, and ...
  • body, " IEEE Trans. on PAMI, vol. 19, p. 780 ...
  • M. S. Grewal and A. P. Andrews, Kalman filtering: theory ...
  • نمایش کامل مراجع