تشخيص خودرو در ويدئو ترافيك با استفاده از تقطيع حركت مبتني بر آشوب

كارشناسي ارشد

چكيده امروزه با گسترش ازدحام شهري در بزرگراه¬ها، وجود يك سيستم نظارت ترافيكي مطمئن و مقاوم براي بهبود كنترل و مديريت ترافيك يك نياز حياتي به شمار مي¬رود. سيستم¬هاي نظارت ترافيكي مبتني بر بينايي ماشين، گسترده‌ترين و كاراترين زمينه تحقيقاتي در جنبه¬هاي مختلف سيستم‌هاي حمل و نقل هوشمند را دارند. در اين سيستم¬ها، تكنيك¬ تشخيص خودرو يك مولفه اصلي مي¬باشد. همچنين تحقيقات در زمينه تئوري آشوب و مدل كردن آن در بسياري از اتفاقات طبيعي در فيزيك توسعه داده شده و اخيراً موفقيت¬هايي در مدل¬كردن فعاليت¬هاي عصبي زيستي با استفاده از تئوري آشوب بدست آورده¬اند. تئوري آشوب مي¬تواند پايه¬اي براي موضوعات فعاليت-هاي بينايي باشد و تحقيقات جديد در سيگنال‌هاي عصبي نشان مي¬دهند كه سيگنال‌هاي عصبي زيستي با پاسخ‌دهي بالا، به طور طبيعي آشوبناك هستند. در اين پروژه، يك الگوريتم تركيبي جديد براي تشخيص خودرو ارائه مي¬دهيم كه در مرحله اول تقطيع حركت آشوبناك انجام مي¬شود و نشان مي¬دهيم كه در دامنۀ پيكسل¬هاي تصوير با تغيير حركت و شدت روشنايي، پيكسل¬هاي متحرك تصوير، رفتار آشوبناك دارند. اين الگوريتم يك الگوريتم مبتني بر مدل فيزيكي از سيستم‌هاي غير‌خطي آشوبناك است و نيازي به فرض پايه-ايي ندارد و به خوبي اشياء متحرك را شناسايي مي¬كند. سپس در مرحله بعد يك الگوريتم جديد تشخيص سايۀ مقاوم مبتني بر فضاي رنگي HSV را پيشنهاد مي¬كنيم كه به نحو مناسبي سايۀ متحرك را از اشياء متحرك جداسازي مي¬كند كه روشي ساده و كاراست. نشان مي¬دهيم كه تشخيص و حذف سايه باعث بهبود شناسايي اشياء مي¬شود كه يكي از وظايف پايه در نظارت ويدئو و سيستمهاي نظارت ترافيك مبتني بر بينايي ماشين است. در انتها برچسب¬گذاري اشياء را انجام مي¬دهيم و نتايج تشخيص خودرو را شرح مي¬دهيم. براي ارزيابي الگوريتم پيشنهادي از دو ويدئو ترافيك كه شامل940 فريم هستند، استفاده كرديم و با بدست آوردن ميانگين نرخ شناسايي 85.5% كارايي الگوريتم را نشان¬ داديم. كلمات كليدي: نظريه آشوب، تشخيص خودرو، نظارت ترافيك ويدئويي، تقطيع حركت آشوبناك، بُعد فركتال، تشخيص سايه، فضاي رنگي HSV.

183664

دانشگاه علم و صنعت ايران

كامپيوتر - هوش مصنوعي

دكتر محمود فتحي - دكتر محمدرضا جاهدمطلق