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 wire model 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.
چکیده:
مقدمه
مقدمه‌ای بر روشهای شناسایی خودرو:
Car detection in Aerial Images (شناسایی ماشین در عکسهای هوایی)
1- Ralated work :
2- our apprack
دیاگرام سیستم تشخیص
3- تست روانشناختی (A Psychophysical test)
4- Feature Extraction (استخراج ویژگی)
1-4 clustering of road direction
2-4- ویژگی‌های به کار برده شده برای ردیابی:
3-4 model – based Feature Prediction :
5.Multi –feature integration
1-5 : پارامتریزه کردن خصوصیات:
2-5 یکپارچگی
3-5 : پارامتر‌های BN : handcraft
4-5: یادگیری پارامتر‌ها :
6 . شناسایی و پس پردازش
1-6 : شناسایی
2-6 پس پردازش (Post – Processsing)
7- نتایج و بحث (Result & Discussion)
1-7: نتایج
2-7 زمان محاسبات
8- نتایج و آینده کار
Compont – based cardetection in street Scencee Images
1- Object detaction frome work
2- Experiment (آزمایش)
Street Scenes Subset database
keypoint – based car detector
Compaison to global SVMs
car detection
1-3 : ترکیب اجزا Component Combination
2-3 : شناساگر اجزاComponent detector
3-3 : Component Combination classifier
4- car detection
5- نتایج Conclusion
Comporison with Prior work in Car detection
مقایسه با کارهای اولیه در شناسایی خودرو:
Reference:
استفاده‌ی ICM
Tests of the ICM on imagery (معیارهای ICM روی تصویرسازی )
شناسایی ماشین
Refrence
A M onocular Solution to vision – based Acc in road vehicles
1- توصیف سیستم پیگیری خط:
2-شناخت وردیابی ماشین:
سیستم حمل و نقل هوشمند
تاریخچه ی ITS :
تکنولوژیهای سیستم‌های حمل ونقل هوشمند
Wireless communications
Longer range:
Computational technologies
Floating Car Data:
Sensing technologies:
سنسور:
• Distance:
Inductive loop detection
Video vehicle detection
Intelligent transportation applications
مشکلات روشها
مراجع
شامل 85 صفحه فایل word
دانلود پایان نامه شناسایی خودرو از طریق عکس های هوایی