ترجمه مقاله شناسایی خودرو برای سیستم هوشمند نظارت ترافیک - نشریه اشپرینگر

ترجمه مقاله شناسایی خودرو برای سیستم هوشمند نظارت ترافیک - نشریه اشپرینگر
قیمت خرید این محصول
۳۵,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
شناسایی و تشخیص خودرو برای سیستم های هوشمند نظارت ترافیک
عنوان انگلیسی
Vehicle detection and recognition for intelligent traffic surveillance system
صفحات مقاله فارسی
17
صفحات مقاله انگلیسی
16
سال انتشار
2015
نشریه
اشپرینگر - Springer
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
5521
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر، مهندسی فناوری اطلاعات و مهندسی فناوری اطلاعات و ارتباطات
گرایش های مرتبط با این مقاله
سیستم های چند رسانه ای، سامانه های شبکه ای، مهندسی الگوریتم ها و محاسبات، مهندسی نرم افزار، اینترنت و شبکه های گسترده و دیتا
مجله
کاربردها و ابزارهای چند رسانه ای
دانشگاه
دانشکده علوم مهندسی، دانشگاه نانجینگ، جیانگسو، چین
کلمات کلیدی
شناسایی خودرو، تشخیص خودرو، استخراج ویژگی، دنباله هیستوگرام، تحلیل مؤلفه اصلی
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
1. مقدمه
2. تحقیقات مرتبط
3. اصل شناسایی و تشخیص خودرو
4. شناسایی خودرو
4-1: ویژگی Haar – like
4-2: الگوریتم آدابوست
4-3: شناسایی خودرو
5. تشخیص خودرو
5-1: تبدیل موجک گابور
5-2: الگوی دودویی گابور محلی (LGBP) و دنباله هیستوگرام
5-3: کاهش ابعاد ویژگی با استفاده از PCA
6. ارزیابی های تجربی
6-1: نتایج شناسایی خودرو
6-2: نتیجه تشخیص خودرو
7. نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

Vehicle detection and type recognition based on static images is highly practical and directly applicable for various operations in a traffic surveillance system. This paper will introduce the processing of automatic vehicle detection and recognition. First, Haar-like features and AdaBoost algorithms are applied for feature extracting and constructing classifiers, which are used to locate the vehicle over the input image. Then, the Gabor wavelet transform and a local binary pattern operator is used to extract multi-scale and multiorientation vehicle features, according to the outside interference on the image and the random position of the vehicle. Finally, the image is divided into small regions, from which histograms sequences are extracted and concentrated to represent the vehicle features. Principal component analysis is adopted to reach a low dimensional histogram feature, which is used to measure the similarity of different vehicles in euler space and the nearest neighborhood is exploited for final classification. The typed experiment shows that our detection rate is over 97 %, with a false rate of only 3 %, and that the vehicle recognition rate is over 91 %, while maintaining a fast processing time. This exhibits promising potential for implementation with real-world applications.

نمونه چکیده ترجمه متن فارسی
چکیده
شناسایی و تشخیص نوع خودرو براساس تصاویر ایستا بسیار عملی است و به طور مستقیم برای عملیات مختلف در سیستم نظارت ترافیک قابل کاربرد می باشد. این مقاله فرایند شناسایی و تشخیص اتوماتیک خودرو را ارائه می کند. ابتدا، ویژگی های Haar – like (ویژگی های تصاویر دیجیتال برای تشخیص چهره) و الگوریتم های آدابوست برای استخراج ویژگی ها و ایجاد طبقه بندی، که برای تعیین خودرو در تصویر ورودی بکار می روند، استفاده می شوند. سپس، تبدیل موجک گابور (Gabor) و عملگر الگوی دودویی محلی برای استخراج ویژگی های چندمقیاسی و چندچهتی خودرو، برطبق تداخل بیرونی در تصویر و موقعیت تصادفی خودرو بکار می روند. سرانجام، تصویر به نواحی کوچک تقسیم می شود، که از آن دنباله هیستوگرام ها استخراج شده و به منظور نمایش ویژگی¬های خودرو یکپارچه می شوند. تحلیل مؤلفه اصلی برای دسترسی به ویژگی هیستوگرام ابعاد پایین انتخاب می شود، که برای اندازه گیری تشابه خودروهای مختلف در فضای اویلری بکار می رود واز نزدیک ترین مجاور برای طبقه بندی نهایی استفاده می شود. آزمایش نوعی نشان می دهد که نرخ شناسایی ما بالای 97% و نرخ خطا نیز تنها 3% می باشد؛ همچنین نرخ تشخیص خودرو با حفظ زمان پردازش سریع بیش از 91% می باشد. این امر پتانسیل امیدبخشی را برای پیاده سازی در کاربردهای دنیای واقعی نشان می دهد.

بدون دیدگاه