دانشگاه آزاد اسلامی واحد نجف آباد
چکیده: (7030 مشاهده)
ردیابی خودرو یکی از چالشهای مهم در سیستمهای حمل و نقل هوشمند جهت تخمین موقعیت خودرو در فریم بعدی از یک دنباله متوالی تصاویر از ویدئوهای نظارتی است. در این مقاله، یک الگوریتم ردیابی خودرو مبتنی بر ویژگی با استفاده از الگوریتم تخمین زننده ویژگی Kanade-Lucas-Tomasi (KLT) گسترش یافته است. در این الگوریتم، برای جایگزینی خودروها بوسیله ویژگیهای ردیابی شده، یک الگوریتم گروهبندی دو مرحلهای سلسله مراتبی ادغام و تقسیم پیشنهاد میگردد. در الگوریتم گروهبندی پیشنهادی با تعریف معیارهایی همچون معیارهای فاصله، گستردگی و همچنین آنالیز حباب نتایج گروهبندی اولیه حاصل شده از الگوریتم خوشهبندی K-means اصلاح میگردد. علاوه براین، جهت تصحیح عملکرد الگوریتم تخمینزننده ویژگی KLT و همچنین استفاده مناسبتر از نتایج گروهبندی الگوریتم پیشنهادی، یک الگوریتم کارآمد تطبیق گروههای ویژگی براساس نقشه ادغام و تقسیم جهت تطبیق گروه ویژگیهای ردیابی شده از یک فریم به فریم بعد پیشنهاد میشود. در این الگوریتم تطبیق سعی شده است که با استفاده از ویژگیهای منطبق شده بین دو فریم، خودروهای متناظر در آن دو فریم به درستی تطبیق داده شوند. الگوریتم ردیابی پیشنهادی بر روی ویدئوهای آزمایشی متفاوتی با شرایط نورپردازی متفاوت همچون روز، شب و وجود سایه ارزیابی میگردد. نتایج حاصل نشان میدهد که الگوریتم ردیابی پیشنهادی اکثر چالشهای مهم ردیابی خودرو در کاربردهای عملیاتی سیستمهای حمل و نقل هوشمند را پوشش میدهد.
نوع مطالعه:
كاربردي |
موضوع مقاله:
مقالات پردازش تصویر دریافت: 1392/6/21 | پذیرش: 1393/7/26 | انتشار: 1394/4/17 | انتشار الکترونیک: 1394/4/17