Skip to main content
SUPERVISOR
Mohammad Reza Ahmadzadeh
محمدرضا احمدزاده (استاد راهنما)
 
STUDENT
Vahid Heidari
وحید حیدری کردآبادی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1389

TITLE

Detection and Classification of Vehicles Based on Image Processing For a Traffic Monitoring System
This thesis presents a new method to center; MARGIN: 0cm 0cm 0pt; unicode-bidi: embed; DIRECTION: ltr" align=center Keywords: Traffic monitoring system, moving object segmentation, camera calibration, occlusion detection, occlusion resolving, vehicle tracking, vehicle classification.
در این پایان‌نامه یک روش جدید برای تشخیص و حل مساله همپوشانی وسایل نقلیه در تصاویر ترافیکی و همچنین دسته‌بندی وسایل نقلیه ارائه می‌شود. وسایل نقلیه موجود در یک صحنه ترافیکی، با استفاده از یک الگوریتم بخش بندی تصاویر ویدئویی بر اساس حرکت، تشخیص داده می‌شوند. سپس نواحی پیش‌زمینه تصاویر بخش بندی شده، که متعلق به همپوشانی وسایل نقلیه در تصویر هستند، تشخیص داده می‌شوند و اکثر آنها به وسایل نقلیه جداگانه تقسیم می‌شوند. نهایتا نواحی تقسیم شده و همچنین نواحی متناظر با وسایل نقلیه غیر همپوش، دسته‌بندی می‌شوند. همپوشانی جزئی وسایل نقلیه، با ارزیابی تحدب نواحی پیش‌زمینه تشخیص داده می‌شود. سپس همپوشانی جزئی وسایل نقلیه، با استفاده از یک خط که خط جدا کننده نامیده می‌شود، به وسایل نقلیه‌ی جداگانه تقسیم می‌شود. هر وسیله نقلیه جدا شده با ارزیابی اندازه نرمالیزه شده‌ی آن در تصویر، به دو دسته‌ی سبک و سنگین دسته بندی می‌شود. اگر یک ناحیه‌ی پیش‌زمینه، همپوشانی جزئی نباشد از یک رده بند سلسله مراتبی استفاده می‌کنیم تا با ارزیابی عرض نرمالیزه شده و نسبت طول به عرض آن، همپوشانی کامل وسایل نقلیه را تشخیص دهیم و اشیاء بدون همپوشانی را دسته بندی کنیم. برای ارزیابی روش پیشنهادی، از چند مجموعه تصاویر ویدئویی که همپوشانی وسایل نقلیه در آنها زیاد وجود دارد، استفاده می‌کنیم و صحت آن را بررسی می‌کنیم. سپس آن را با روش‌های ارائه شده در مراجع معتبر مقایسه می‌کنیم. درصد صحت روش پیشنهادی و همچنین مقایسه کارآیی آن با روش‌های دیگر، نشان می‌دهد که روش پیشنهادی، روشی موثر در حل مساله همپوشانی وسایل نقلیه در تصویر و دسته‌بندی وسایل نقلیه است. علاوه بر پیاده سازی روش پیشنهادی، از بین روش‌های بخش بندی تصاویر ترافیکی، دو روش میانگین گیری با آستانه متغیر که معادل روش تک گاوسی است و مدل ترکیب گاوسی‌ها را اجرا می‌کنیم و به تحلیل کمی و کیفی نتایج و مقایسه آنها می‌پردازیم. برای این کار از تصاویر ویدئویی گرفته شده از یک صحنه‌ ترافیک شهری که شامل تغییرات نور محیط، توقف وسایل نقلیه و حرکت اجزای پس زمینه است، استفاده می‌کنیم. مطابق نتایج، روش مدل ترکبب گاوسی‌ها عملکرد بهتری دارد و از آن برای بخش بندی تصاویر برای مرحله بعد یعنی حل مساله همپوشانی وسایل نقلیه در تصویر و دسته بندی وسایل نقلیه استفاده می‌کنیم. کلمات کلیدی: 1- سیستم نظارت ترافیکی تصویری 2-بخش‌بندی اشیاء متحرک 3-تنظیم دوربین 4- تشخیص همپوشانی وسایل نقلیه 5-حل همپوشانی وسایل نقلیه 6-ردیابی وسایل نقلیه 7- دسته‌بندی وسایل نقلیه

ارتقاء امنیت وب با وف بومی