شناسایی خودرو توسط دوربین های هوشمند هوایی

برای دریافت پروژه اینجا کلیک کنید

 شناسایی خودرو توسط دوربین های هوشمند هوایی دارای 85 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد شناسایی خودرو توسط دوربین های هوشمند هوایی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی ارائه میگردد

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي شناسایی خودرو توسط دوربین های هوشمند هوایی،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن شناسایی خودرو توسط دوربین های هوشمند هوایی :

در این پایان نامه تحقیقاتی چندین روش همراه با بعضی معایب و محاسن آن مورد بررسی واقع شده است از جمله: شناسایی خودرو در تصاویر هوایی شناسایی خودرو مبتنی بر جزئیات در تصاویر خیابانی، شناسایی خودرو در الگوریتم Icm و در نهایت Vision bqased ACC در پایان پروژه توضیحاتی در باب سیستم حمل و نقل هوشمند و چگونگی و کاربرد شناسایی خودرو ارائه شده است.

حال به صورت کلی به بیان برخی از این یافته‌ها می‌پردازیم. درشناسایی خودرو در عکسهای هوایی، یک سیستم برای شناسایی خودروها در تصاویر هوایی در طول جاده عرضه می‌شود و شروع کار ازتست‌های روانشناسی می‌باشد تا ویژگی‌های مهمی برای شناسایی (همانند مرز بدنه ماشین، مرز جلوی شیشه جلو و…)پیدا شود. که در ساختار Baysian نشان داده شده است.

شناسایی وسیله نقلیه بوسیله VIEW POINT و RESOLUTION انجام می‌شود. و وسیله نقلیه به عنوان مستطیل مدل می‌شود از میانگین gray level و سطحهای شیبدار درونی، بیرونی و میانی وسایل برای تشخیص استفاده می‌شود.

در یک تشخیص دوربین ایستا، اشیای در حال حرکت بوسیله back ground subtraction شناسایی می‌شود.

در دیاگرام سیستم تشخیص، ماشین هندسی و دوربین تا وقتی که توزیع کننده ویژگی‌ها بیشتر تعلیم داده شوند بدون یادگیری مدل می‌شود. جهت جاده‌ها بوسیله لاین‌های انبوه در تصویر تخمین زده می‌شود و از چهار قسمت از جلوی شیشه جلویی دو قسمت از مرز بیرونی سایه و شدت منطقه سایه هنگامی که وجود دارد به عنوان ویژگی استفاده می‌شود. در تست روانشناختی یک مجموعه داده متفاوت با ماشینهای در شرایط آشکار سازی و تراکم مختلف در محیط متفاوت استفاده می‌شود.

نتایج بدست آمده شامل شکل مستطیلی، طرح wind shield، سایه ماشین تشخیص را آسانتر می‌کند و همچنین محیط که روی تشخیص اثر می‌گذارد می‌باشد.

در دسته‌ای از مسیر‌های جاده‌، مسیر‌های مورد نظر (DOI) می‌تواند بوسیله عکسها تخمین زده شود ویژگی‌های استفاده شده در این روش اغلب ویژگی‌های گردایان خطی می‌باشند. وازجوابهای گرادیان فیلتر‌های شکل اصلی استفاده می‌شود.

برای شناسایی ماشینها با ویژگی‌های قید شده باید شکل محل وابسته به مرکز را بشناسیم و از یک مدل عمومی شامل یک frame geometrical wiremodel و یک surface reflectance model استفاده می‌شود.

در بحث یکپارچگی ویژگی‌های چندگانه به ترکیب خصوصیات نیاز داریم و از شبکه Baysian استفاده می‌کنیم. در پارامتر‌های handcraft BN به دستگاههایی با مقادیر CPT نیاز داریم انجام دادن شناسایی با پارامتر‌های دستی کارایی قابل قبولی را نشان می‌دهد.

سپس بحث یادگیری پارامتر‌ها بیان می‌شود که به عنوان مثال یادگیری CPT فقط به محاسبات هیستوگرام نیاز دارد پس از آن شناسایی و سپس پردازش بیان خواهد شد. ضمنا بحث ROC که منحنی‌هایی هستند که کارایی سیستم ما را روی دو database نشان می‌دهد مطرح می‌شود.

بحث بعدی ذکر شده شناسایی ماشین مبتنی بر جزئیات می‌باشد. که باعث kay ‌هاکه از تصاویر ماشین‌ها که از مجموعه یادگیری بدست می‌آید ذکر می‌شود و به دسته‌بندی‌ها می‌پردازد. یک مخصوص می‌تواند بیش از یک دسته kay point آمیخته شود. در پایگاه داده زیر‌مجموعه منظره خیابان همه عکسها به gray scale از نتایج آزمایشات مختلف استفاده می‌شود سیستم بنزین SVM ‌های سراسری را اجرا می‌کند. آخرین مرحله در شناسایی اشیا در عکسها بکار بستن دسته کننده‌های دانا به همه پنجره‌های پنهانی در عکسها می‌باشد. بحثهایی در مورد شناسایی‌های چندگانه و روش‌های حل آن بیان می‌گردد. کاربرد این روش شناسایی ماشین با بکارگیری حد آستانه در آن صورت می‌گیرد همچنین می‌توان از روش برچسب‌گذاری در ماشینها استفاده کرد که معایب آن هم ذکر خواهد شد.

بحث‌هایی در مورد شناساگر اجزا و اینکه جهت ارزیابی هر جزء شناساگر، هر شناساگر به صورت زیر‌مجموعه‌ای از مجموعه تست بیان می‌شود، ذکر می‌گردد. و نیز بحث ترکیب اجزا بیان می‌شود که در آن سه دیدگاه بیان می‌شود.

بطورکلی قابل بحث است که آیا دسته‌های kay point ماشین می‌تواند به عنوان قسمتهای ماشینی مطرح شوند، یک مقایسه با سیستم کلی‌نگر فراهم می‌شود که برای نشان دادن دیدگاه مبتنی بر جزئیات از آن استفاده می‌شود. مشاهده می‌شود که سیستم مبتنی بر جزئیات در برابر شرایط غیر عادی همانند در‌آمیختگی و روشنایی قوی مقاومت بیشتری دارد. در این ساختار منابع محاسباتی بیشتری نیاز داریم. در نهایت این روش با کارهای اولیه در شناسایی خودرو مقایسه می‌شود.

در الگوریتم ICM در ابتدا مقایسه‌ای بین PCNN صورت گرفته است، و مطالب جزئی در مورد ICM و شامل اینکه ویژگی‌های تصویر نمی‌توانند بعد از پروسهICM به آسانی بهبود یابند. الگوریتم ICM چند pulse image را می‌سازد و شناسایی تغییرات از مقایسه این تصاویر مشابه بوجود می‌آید.

بحث شناسایی ماشین در حال حرکت روی جاده با استفاده از این ICM بیان می‌گردد ICM عکسهای تصاویر را معکوس می‌کند.

در روش آخر vision based Acc می‌باشد، بحث علامتهای مسیر جاده بیان می‌گردد که هر علامت مسسیر شناسایی می‌شود و یک ناحیه interest به جای پوشاندن قسمت جلوی ego- vehicle استفاده می‌گردد.

سیستم پیگیری خط توصیف می‌شود که به سه زیر سیستم تقسیم می‌گردد. سرانجام بحث شناخت و ردیابی ماشین با استفاده از وسایل نقلیه کاندید شده در طول مسیر که هر کدام به 5 منطقه فرعی و مستقل تقسیم می‌شود بیان می‌گردد.

شناسایی خودرو توسط دوربین های هوشمند هوایی
فهرست مطالب

چکیده:1

مقدمه. 5

مقدمه‌ای بر روشهای شناسایی خودرو:5

شناسایی ماشین در عکس‌های هوایی.. 7

1- Ralated work :7

2- our apprack. 10

دیاگرام سیستم تشخیص…. 10

3- تست‌ روانشناختی (A Psychophysical test)11

4- Feature Extraction (استخراج ویژگی)14

1-4 clustering of road direction. 14

2-4- ویژگی‌های به کار برده شده برای ردیابی:15

3-4 model – based Feature Prediction :17

  1. Multi –feature integration. 19

1-5 : پارامتریزه کردن خصوصیات:19

2-5 یکپارچگی.. 20

3-5 : پارامتر‌های BN: handcraft22

4-5: یادگیری پارامتر‌ها :23

6 . شناسایی و پس پردازش… 26

1-6 : شناسایی.. 26

2-6 پس پردازش (Post – Processsing)29

7- نتایج و بحث (Result & Discussion)31

1-7: نتایج. 31

2-7 زمان محاسبات.. 34

8- نتایج و آینده کار. 35

Compont – based cardetection in street Scencee Images. 38

1- Object detaction frome work. 40

2- Experiment (آزمایش)41

Street Scenes Subset database. 43

keypoint – based car detector44

Compaison to global SVMs. 44

car detection. 45

1-3 : ترکیب اجزا Component Combination. 48

2-3 : شناساگر اجزاComponent detector50

3-3 : Component Combination classifier50

4- car detection. 52

5- نتایج Conclusion. 56

Comporison with Prior work in Car detection. 59

مقایسه با کارهای اولیه در شناسایی خودرو:59

Reference:61

استفاده‌ی ICM… 63

Tests of the ICM on imagery (معیارهای ICM روی تصویرسازی )64

شناسایی ماشین.. 64

Refrence. 65

A M onocular Solution to vision – based Acc in road vehicles. 66

1- توصیف سیستم پیگیری خط:66

2-شناخت وردیابی ماشین:67

سیستم حمل و نقل هوشمند. 69

تاریخچه ی ITS :70

تکنولوژیهای سیستم‌های حمل ونقل هوشمند. 71

Wireless communications. 72

Longer range:73

Computational technologies. 74

Floating Car Data:75

Sensing technologies:76

سنسور:76

  • Distance:77

Inductive loop detection. 78

Video vehicle detection. 78

Intelligent transportation applications. 79

مشکلات روشها84

مراجع. 85

دریافت این فایل

برای دریافت پروژه اینجا کلیک کنید

پاورپوینت پردازش تصویر و ماشین بینایی

برای دریافت پروژه اینجا کلیک کنید

توجه : این فایل به صورت فایل power point (پاور پوینت) ارائه میگردد

 پاورپوینت پردازش تصویر و ماشین بینایی دارای 60 اسلاید می باشد و دارای تنظیمات کامل در Power Point می باشد و آماده پرینت یا چاپ است

فایل پاور پوینت پاورپوینت پردازش تصویر و ماشین بینایی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز مرکز پروژه های دانشجویی ارائه میگردد

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل مي باشد و در فايل اصلي پاورپوینت پردازش تصویر و ماشین بینایی،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن پاورپوینت پردازش تصویر و ماشین بینایی :

پاورپوینت پردازش تصویر و ماشین بینایی

در معنای خاص آن پردازش تصویر عبارتست از هر نوع پردازش سیگنال که ورودی یک تصویر است مثل عکس یا صحنه‌ای از یک فیلم. خروجی پردازشگر تصویر می‌تواند یک تصویر یا یک مجموعه از نشانهای ویژه یا متغیرهای مربوط به تصویر باشد. اغلب تکنیک‌های پردازش تصویر شامل برخورد با تصویر به عنوان یک سیگنال دو بعدی و بکاربستن تکنیک‌های استاندارد پردازش سیگنال روی آنها می‌شود. پردازش تصویر اغلب به پردازش دیجیتالی تصویر اشاره می‌کند ولی پردازش نوری و آنالوگ تصویر هم وجود دارند. این مقاله در مورد تکنیک‌های کلی است که برای همه آنها به کار می‌رود. در هر سیستمی و با هر عملکردی برای تصمیم گیری به داده های ورودی احتیاج داریم. این ورودی ها میتوانند از یک سنسور صوتی, سنسور فاصله سنج , سنسور مادون قرمز , میکروفن و با تصاویر ارسالی از یه دوربین باشد. امروزه پردازش تصویر بهترین ابزار برای استخراج ویژگی ها و تحلیل موقعیت و در نهایت تصمیم گیری صحیح می باشد. در مورد انسان نیز به همین صورت است, اطلاعات از طریق چشم به مغز ارسال می شوند و مغز با پردازش این اطلاعات تصمیم نهایی را گرفته و فرمان را صادر می کند. هدف از پردازش تصویر پیاده سازی عملکرد ذهن انسان در قبال داده ها و انجام پردازش های خاصی برای استخراج ویژگی مورد نیاز برای رسیدن به هدف از پیش تعیین شده می باشد.
مقدمه تاریخچه پردازش تصویر از سال 1964 تاكنون، موضوع پردازش تصویر، رشد فراوانی كرده است. علاوه بر برنامه تحقیقات فضایی، اكنون از فنون پردازش تصویر، در موارد متعددی استفاده می شود. گر چه اغلب این مسائل با هم نامرتبط هستند، اما عموما نیازمند روش هایی هستند كه قادر به ارتقای اطلاعات تصویری برای تعبیر و تحلیل انسان باشد. برای نمونه در پزشكی شیوه های رایانه ای Contrast تصویر را ارتقا می دهند یا این كه برای تعبیر آسانتر تصاویر اشعه ایكس یا سایر تصاویر پزشكی، سطوح شدت روشنایی را با رنگ، رمز می كنند. متخصصان جغرافیایی نیز از این روش ها یا روش های مشابه برای مطالعه الگوهای آلودگی هوا كه با تصویر برداری هوایی و ماهواره ای بدست آمده است، استفاده می كنند. در باستان شناسی نیز روش های پردازش تصویر برای بازیابی عكس های مات شده ای كه تنها باقی مانده آثار هنری نادر هستند، مورد استفاده قرار می گیرد. در فیزیك و زمینه های مرتبط، فنون رایانه ای بارها تصاویر آزمایش های مربوط به موضوعاتی نظیر پلاسماهای پرانرژی و تصاویر ریزبینی الكترونی را ارتقا داده اند. كاربردهای موفق دیگری از پردازش تصویر را نیز می توان در نجوم، زیست شناسی، پزشكی هسته ای، اجرای قانون، دفع و صنعت بیان كرد. در اوایل دهه 60 سفینه فضایی رنجر 7 متعلق به ناسا شروع به ارسال تصاویر تلویزیونی مبهمی از سطح ماه به زمین کرد. استخراج جزئیات تصویر برای یافتن محلی برای فرود سفینه آپولو نیازمند اعمال تصمیماتی روی تصاویر بود. این کار مهم به عهده لابراتوار (JPL) Jet Propulsionقرار داده شد. بدین ترتیب زمینه تخصصی پردازش تصاویر رقومی آغاز گردید و مثل تمام تکنولوژی‌های دیگر سریعاً استفاده های متعدد پیدا کرد. عملیات اصلی در پردازش تصویر فشرده‌سازی تصاویر برای ذخیره‌سازی تصاویر باید حجم اطلاعات را تا جایی که ممکن است کاهش داد و اساس تمام روش‌های فشرده‌سازی کنار گذاردن بخش‌هایی از اطلاعات و داده‌ها است. ضریب یا نسبت فشرده‌سازی است که میزان و در صد کنار گذاشتن اطلاعات را مشخص میکند. این روش ذخیره‌سازی و انتقال اطلاعات را آسان‌تر می‌کند و پهنای‌باند و فرکانس مورد نیاز کاهش می‌یابد. امروزه روش‌هایی متعدد و پیشرفته برای فشرده‌سازی وجود دارد. فشرده‌سازی تصویر از این اصل مهم تبعیت می‌کند که چشم انسان حد فاصل دو عنصر تصویری نزدیک به هم را یکسان دیده و تمایز آنها را نمی‌تواند تشخیص دهد. همچنین اثر نور و تصویر برای مدت زمان معینی در چشم باقی مانده و از بین نمی‌رود که این ویژگی در ساخت تصاویر متحرک مورد توجه بوده‌است. روش JPEG نام این فرم

دریافت این فایل

برای دریافت پروژه اینجا کلیک کنید