پیاده سازی سامانهی تخمین سطوح ترافیکی با استفاده از روشDPM

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 603

فایل این مقاله در 12 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:

TTC15_339

تاریخ نمایه سازی: 6 بهمن 1395

چکیده مقاله:

تخمین سطوح ترافیکی در معابر و بزرگراهها به صورت هوشمند، همواره دچار چالش های فراوانی بوده است . کیفیت بسیار پایین تصاویر دوربینهای نظارتی، تغییرات شدید آب و هوایی و نوری، انسداد و زوایای دید مختلفوسایل نقلیه از جمله چالشهای این سامانه هوشمند بوده است. وجود این مشکلات، ارائه روشی پایدار و قابل اطمینان در این حوزه را دشوار کرده است. در این مقاله برای اولین بار با استفاده از مفاهیم یادگیری به حل اینمسئله پرداخته شده است. مدل اجزای تغییر پذیر در این مقاله برای یادگیری اشیا در تصاویر استفاده شده است . پایگاه داده این مقاله نیز از دوربینهای نظارتی سطح شهر تهران انتخاب شده است. الگوریتم ارائه شده با استفاده ازیادگیری مدل خودروها در سه مرحله به حل مسئله می پردازد. یادگیری، شناسایی خودروها و تخمین سرعت و در نهایت تعیین سطح ترافیک سه مرحله الگوریتم هستند. دقت نهایی این سامانه در تشخیص سطوح ترافیکی 98,7 بوده است. این سامانه به صورت کامل بر روی چارچوبهای مختلفی از جمله کامپیوترهای صنعتی و بردهای نهفته پیاده سازی شده است که نتایج آن مناسب بودن آن را در کاربردهای صنعتی نمایان میکند

نویسندگان

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 :
  • Image and Vision Computing, 2003, A Survey of Video Processing ...
  • B.D. Stewart, I. Reading, M.S. Thomson, T.D. Binnie, K.W. Dickinson, ...
  • Machine Vision and Applications, 1994, Road obstacle detection and tracking ...
  • Journal of Artificial Intelligence Research, 1995, Vi sion-based road detection ...
  • Image Processing, 1998, GOLD: a parallel real-time stereo vision system ...
  • Patter Recognition Letters, 2001, Shape-re solving local thresholding for object ...
  • J.M. Blosseville, C. Krafft, F. Lenoir, V. Motyka, S. Beucher, ...
  • Pattern Analysis and Machine Intelligence, 1986, An investigation of smoothness ...
  • An experimental investigation of estimation approaches for optical fow fields, ...
  • R. Kories, H.-H. Nagel, G. Zimmermann, 1984, Motion detection in ...
  • Pattern Recognition Letters, 1995, An image detection technique based On ...
  • Traffic Engineering Control Journal, 1992, IMPACT: an image analysis tool ...
  • Patter Analysis and Machine Intelligence, 2000, Geodesic active contours and ...
  • Signal Processing: Image C ommunication, 1995, Bayesian algorithms for adaptive ...
  • Signal Processing: Image C ommunication, 1991, Adaptive detection and localization ...
  • P. Dollar, Z. Tu, P. Perona, S. Belongie, 2009, Integral ...
  • Pattern Analysis and Machine Intelligence, 2014, Fast features pyramids for ...
  • Patter Analysis and Machine Intelligence, 2010, ...
  • di scriminatively trained part-based models, Vol. no 32, published by ...
  • International Jourmal of Computer Vision, January 1973, 2005, Pictorial structures ...
  • IEEE Transactions on Computer, The representation and matching of pictorial ...
  • Histograms of oriented gradients for human detection, 2005, Computer Vision ...
  • P. Felzenszwal, D. Huttenlocher, September 2004, Distance transforms of sampled ...
  • Predicting Structured Data, A tutorial _ energy-based learming. In G. ...
  • نمایش کامل مراجع