فایل ورد کامل شناسایی و تشخیص خودرو برای سیستم های هوشمند نظارت ترافیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل شناسایی و تشخیص خودرو برای سیستم های هوشمند نظارت ترافیک،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۲ صفحه

۷ نتیجه گیری
شناسایی و تشخیص دقیق و قوی خودرو هنوز یک کار چالش برانگیز در زمینه سیستم های نظارت هوشمند حمل ونقل می باشد. در این مقاله، ما یک مجموعه از طبقه بندی های قوی براساس ویژگی های تصاویر خودرو به منظور استفاده برای شناسایی خودرو در تصاویر آنلاین از صحنه جاده ارائه کردیم. سپس، ویژگی های Haar – like و الگوریتم آدابوست را برای ایجاد طبقه بندی جهت شناسایی خودرو، که مجزا از تحقیقات قبلی منتشرشده در شناسایی خودرو می باشد، بکار بردیم. پس ازآن، تقاطع هیستوگرام برای اندازه گیری تشابه دنباله هیستوگرام LGBP مختلف بکار برده شد، و نزدیک ترین همسایه از فاصله اقلیدسی برای طبقه بندی نهایی، که به طور چشمگیری به تغییرات ظاهری ناشی ازروشنایی یا موقعیت خودرو غیرحساس می باشد، بهره گرفتیم. ما این روش را برروی مجموعه داده های واقعی بیش از ۸۰۰ تصویر از جلو ماشین ها که برای شناسایی خودرو بکار می روند، امتحان کردیم؛ که منجربه دستیابی به دقت بالای ۹۷۳% شد. بیش از ۷ نوع از خودروها با ۲۲۷ تصویر در آزمایش ما تست شدند. نرخ تشخیص بیش از ۹۲% بود و زمان پردازش سریع بیش از سطح میانگین روش های شناخت خودروی کنونی بود. با این حال، تصاویر مورداستفاده درطی روز گرفته شده بود، بنابراین تلاش های آینده ما بر شناسایی و تشخیص خودروها درطی شب، که با فناوری موجود مسئله بسیار دشواری برای حل کردن می باشد، متمرکز خواهدبود.

عنوان انگلیسی:Vehicle detection and recognition for intelligent traffic surveillance system~~en~~

۷ Conclusion

Accurate and robust vehicle detection and the recognition still a challenging task in the field of intelligent transportation surveillance systems. In this paper, we presented a cascade of boosted classifiers based on the characteristics of the vehicle images to be used for vehicle detection in on-road scene images. Then, Haar-like features and an AdaBoost algorithm were used to construct the classifier for the vehicle detection, which is distinct from previous research published on vehicle detection. Next, the histogram intersection was used to measure the similarity of different LGBP Histogram Sequence, and the nearest neighborhood of the Euclidean distance was exploited for final classification, which is impressively insensitive to appearance variations due to lighting or vehicle pose. We have tested this method on a realistic data set of over 800 frontal images of cars that were used for vehicle detection, which achieved a high accuracy of 97.3 %. Over seven types of vehicle with 227 images were tested in our experiment. The recognition rate was over 92 %, with a fast processing time, which is over the average levels of current vehicle recognition methods. However, the images we used were captured during the day, so our future efforts will be focused on detecting and recognizing vehicles during the night, which is very difficult problem to solve with existing technology.

$$en!!