تعداد صفحات:93
نوع فايل:word
فهرست مطالب:
چكيده
مقدمه
مقدمه‌اي بر روش هاي شناسايي خودرو
شناسايي ماشين در عكس‌هاي هوايي
Ralated work
our apprack
دياگرام سيستم تشخيص
تست روانشناختي (A Psychophysical test)
Feature Extraction (استخراج ويژگي)
clustering of road direction
ويژگي‌هاي به كار برده شده براي رديابي
model – based Feature Prediction :
Multi –feature integration
پارامتريزه كردن خصوصيات
يكپارچگي
پارامتر‌هاي BN handcraft
يادگيري پارامتر‌ها
شناسايي و پس پردازش
شناسايي
پس پردازش (Post – Processsing)
نتايج و بحث (Result & Discussion)
نتايج
زمان محاسبات
نتايج و آينده كار
Compont – based cardetection in street Scencee Images
Object detaction frome work
Experiment (آزمايش)
Street Scenes Subset database
keypoint – based car detector
Compaison to global SVMs
car detection
تركيب اجزا Component Combination
شناساگر اجزاComponent detector
Component Combination classifie
car detection
نتايج Conclusion
Comporison with Prior work in Car detection
مقايسه با كارهاي اوليه در شناسايي خودرو
Reference:
استفاده‌ي ICM
Tests of the ICM on imagery (معيارهاي ICM روي تصويرسازي)
شناسايي ماشين
Refrence
A M onocular Solution to vision – based Acc in road vehicles
توصيف سيستم پيگيري خط
شناخت و رديابي ماشين
سيستم حمل و نقل هوشمند
تاريخچه ITS
تكنولوژي هاي سيستم‌هاي حمل و نقل هوشمند
Wireless communications
Longer range
Computational technologies
Floating Car Data
Sensing technologies
سنسور
Distance
Inductive loop detection
Video vehicle detection
Intelligent transportation applications
مشكلات روش ها
مراجع
چكيده:
در اين پايان نامه تحقيقاتي چندين روش همراه با بعضي معايب و محاسن آن مورد بررسي واقع شده است از جمله: شناسايي خودرو در تصاوير هوايي شناسايي خودرو مبتني بر جزئيات در تصاوير خياباني، شناسايي خودرو در الگوريتم Icm و در نهايت Vision bqased ACC در پايان پروژه توضيحاتي در باب سيستم حمل و نقل هوشمند و چگونگي و كاربرد شناسايي خودرو ارائه شده است.
حال به صورت كلي به بيان برخي از اين يافته‌ها مي‌پردازيم. در شناسايي خودرو در عكس هاي هوايي، يك سيستم براي شناسايي خودروها در تصاوير هوايي در طول جاده عرضه ميشود و شروع كار از تست‌هاي روانشناسي مي‌باشد تا ويژگي‌هاي مهمي براي شناسايي (همانند مرز بدنه ماشين، مرز جلوي شيشه جلو و…) پيدا شود. كه در ساختار Baysian نشان داده شده است.
شناسايي وسيله نقليه به وسيله VIEW POINT و RESOLUTION انجام ميشود. و وسيله نقليه بعنوان مستطيل مدل ميشود از ميانگين gray level و سطح هاي شيب دار دروني، بيروني و مياني وسايل براي تشخيص استفاده ميشود.
در يك تشخيص دوربين ايستا، اشياي در حال حركت به وسيله back ground subtraction شناسايي ميشود.
در دياگرام سيستم تشخيص، ماشين هندسي و دوربين تا وقتي كه توزيع كننده ويژگي‌ها بيشتر تعليم داده شوند بدون يادگيري مدل ميشود. جهت جاده‌ها به وسيله لاين‌هاي انبوه در تصوير تخمين زده ميشود و از چهار قسمت از جلوي شيشه جلويي دو قسمت از مرز بيروني سايه و شدت منطقه سايه هنگامي كه وجود دارد بعنوان ويژگي استفاده ميشود. در تست روانشناختي يك مجموعه داده متفاوت با ماشين هاي در شرايط آشكار سازي و تراكم مختلف در محيط متفاوت استفاده ميشود.
تعداد صفحات:93
نوع فايل:word
فهرست مطالب:
چكيده
مقدمه
مقدمه‌اي بر روش هاي شناسايي خودرو
شناسايي ماشين در عكس‌هاي هوايي
Ralated work
our apprack
دياگرام سيستم تشخيص
تست روانشناختي (A Psychophysical test)
Feature Extraction (استخراج ويژگي)
clustering of road direction
ويژگي‌هاي به كار برده شده براي رديابي
model – based Feature Prediction :
Multi –feature integration
پارامتريزه كردن خصوصيات
يكپارچگي
پارامتر‌هاي BN handcraft
يادگيري پارامتر‌ها
شناسايي و پس پردازش
شناسايي
پس پردازش (Post – Processsing)
نتايج و بحث (Result & Discussion)
نتايج
زمان محاسبات
نتايج و آينده كار
Compont – based cardetection in street Scencee Images
Object detaction frome work
Experiment (آزمايش)
Street Scenes Subset database
keypoint – based car detector
Compaison to global SVMs
car detection
تركيب اجزا Component Combination
شناساگر اجزاComponent detector
Component Combination classifie
car detection
نتايج Conclusion
Comporison with Prior work in Car detection
مقايسه با كارهاي اوليه در شناسايي خودرو
Reference:
استفاده‌ي ICM
Tests of the ICM on imagery (معيارهاي ICM روي تصويرسازي)
شناسايي ماشين
Refrence
A M onocular Solution to vision – based Acc in road vehicles
توصيف سيستم پيگيري خط
شناخت و رديابي ماشين
سيستم حمل و نقل هوشمند
تاريخچه ITS
تكنولوژي هاي سيستم‌هاي حمل و نقل هوشمند
Wireless communications
Longer range
Computational technologies
Floating Car Data
Sensing technologies
سنسور
Distance
Inductive loop detection
Video vehicle detection
Intelligent transportation applications
مشكلات روش ها
مراجع
چكيده:
در اين پايان نامه تحقيقاتي چندين روش همراه با بعضي معايب و محاسن آن مورد بررسي واقع شده است از جمله: شناسايي خودرو در تصاوير هوايي شناسايي خودرو مبتني بر جزئيات در تصاوير خياباني، شناسايي خودرو در الگوريتم Icm و در نهايت Vision bqased ACC در پايان پروژه توضيحاتي در باب سيستم حمل و نقل هوشمند و چگونگي و كاربرد شناسايي خودرو ارائه شده است.
حال به صورت كلي به بيان برخي از اين يافته‌ها مي‌پردازيم. در شناسايي خودرو در عكس هاي هوايي، يك سيستم براي شناسايي خودروها در تصاوير هوايي در طول جاده عرضه ميشود و شروع كار از تست‌هاي روانشناسي مي‌باشد تا ويژگي‌هاي مهمي براي شناسايي (همانند مرز بدنه ماشين، مرز جلوي شيشه جلو و…) پيدا شود. كه در ساختار Baysian نشان داده شده است.
شناسايي وسيله نقليه به وسيله VIEW POINT و RESOLUTION انجام ميشود. و وسيله نقليه بعنوان مستطيل مدل ميشود از ميانگين gray level و سطح هاي شيب دار دروني، بيروني و مياني وسايل براي تشخيص استفاده ميشود.
در يك تشخيص دوربين ايستا، اشياي در حال حركت به وسيله back ground subtraction شناسايي ميشود.
در دياگرام سيستم تشخيص، ماشين هندسي و دوربين تا وقتي كه توزيع كننده ويژگي‌ها بيشتر تعليم داده شوند بدون يادگيري مدل ميشود. جهت جاده‌ها به وسيله لاين‌هاي انبوه در تصوير تخمين زده ميشود و از چهار قسمت از جلوي شيشه جلويي دو قسمت از مرز بيروني سايه و شدت منطقه سايه هنگامي كه وجود دارد بعنوان ويژگي استفاده ميشود. در تست روانشناختي يك مجموعه داده متفاوت با ماشين هاي در شرايط آشكار سازي و تراكم مختلف در محيط متفاوت استفاده ميشود.
دانلود پروژه سكته