نظارت بر محیط، بدون واسطه انسان یکی از نیازهای بشر امروز است. با اینکه بیش از چند دهه از معرفی روش¬های نظارت اتوماتیک نمیگذرد ولی امروزه کاربرد بسیار زیادی پیدا کردهاند. یکی ازمهمترین کاربردهای آن نظارت ترافیک میباشد. در سیستم های نظارت ترافیکی از سنسورها و ابزار های مختلفی استفاده میشود. استفاده از دوربین های ویدئویی، روشی است که میتوان به کمک آن اطلاعات ترافیکی مورد نیاز را از تصاویر استخراج کرد.
جهت پردازش تصاویر ویدئویی برای تشخیص و ردیابی خودروها و در نهایت نظارت اتوماتیک در ترافیک روشهایی ارائه شده است که هرکدام با توجه به کارایی مورد نظر، از الگوریتم های مختلف بینایی ماشین استفاده می کنند. برخی از این روش ها ردیابی بر اساس مدلهای سهبعدی و برخی دیگر بر اساس ردیابی نواحی متحرک در تصویر یا نقاط مشخصه هستند.
در این پایان نامه روشی جدید جهت استخراج پارامترهای حرکتی و ترافیکی با استفاده از تشخیص و ردیابی خودروهای متحرک ارائه شده است. روش پیشنهادی بر اساس ردیابی حباب بوده و به منظور ردیابی هرچه دقیقتر خودروها از بافت نگارهای عرضی (در هر فریم) و طولی (درچند فریم متوالی) فراوانی مشخصات لبه های استخراج شده خودروها در نوارهای مشخص شده و همچنین اثر¬دهی اطلات رنگ، رشد پیکسلی،سرعت و تخمین مکانی خودروها استفاده شده است. درمرحله نخست، با استفاده از تصاویر از پیش ضبط شده ازمکان¬های مورد نظر کالیبراسیون انجام می¬شود. هدف ازم انجام کالیبراسیون در این روش بدست آوردن نسبت هرپیکسل به اندازه واقعی آن بر حسب متر در تمام نقاط تصویر می¬باشد، که به کمک روش تقریبی تخمین زده می¬شود. در مرحله بعدی تخمین پس زمینه برای جداسازی خوردروهای متحرک از تصویر و در نهایت استخراج حباب¬ها که هرکدام نمایانگر یک خودرو متحرک می¬باشد انجام می¬شود. جهت ردیابی حباب ها در تصویر جاری از یک ماتریس m در n که درآن n تعداد حباب های ردیابی شده و m تعداد مشخصه¬هایی از قبیل مختصات مکانی، ابعاد، رنگ، سرعت، مکان تخمینی در تصویر بعدی، ابعاد تخمینی در فریم بعدی و ... می¬باشد که به هر حباب ردیابی شده نسبت داده می¬شود. این ماتریس در هر فریم با استفاده از مشخصات استخراج شده حباب¬ها به روز می¬شود به طوری که صحت این ردیابی با مطابقت دادن همه مشخصه¬های فعلی و تخمین زده شده تایید می¬گردد. جهت ردیابی دقیق تر خودروهایی که به دلیل وجود سایه¬ها و مسأله اختفاء به درستی ردیابی نشده اند از فصل مشترک اطلاعات لبه در حباب های ردیابی شده با نواری از تصویر که درمکانی خاص در نظر گرفته شده است یک نمودار بافت نگار تشکیل داده و با بررسی آن در هر تصویر می-توان ردیابی اشتباه دو خودرو که به طور عرضی به هم چسبیدگی دارند و همچنین با بررسی آن در چند تصویر متوالی می¬توان ردیابی اشتباه دوخودرو که به طور طولی به هم چسبیدگی دارند را با تقریب خوبی تشخیص داد. پس از تشخیص و ردیابی خودروها، استخراج پارمترهای حرکتی و ترافیکی از قبیل تراکم، سرعت متوسط، تعداد خودروها و ... انجام می¬شود.
کلید واژه: پارامترهای حرکتی ، پارامترهای ترافیکی، ردیابی حباب، بافت نگار، کالیبراسیون.
فصل 1- مقدمه
1-1- پیشگفتار
امروزه اهدافی چون افزایش امنیت عمومی، کاهش ازدحام جاده‌ای، بهبود دسترسی به اطلاعات حمل و نقل و سفر، کاهش هزینه‌های ارگانهای مرتبط دولتی (همچون وزارت راه و . . .) و نیز کاهش مناطق حادثه خیز (بر اساس تعاریف VDC وابسته به وزارت حمل و نقل امریکا) در تمامی دنیا مورد توجه مدیران ارشد دولتی بوده و برنامه‌های سالیانه استفاده از این تجهیزات و افزایش سیستمهای حوزه ITS در ارگان‌هایی چون پلیس، وزارت راه و ترابری و نیز سازمانهای تاًمین امنیت عمومی در تمامی کشورهای توسعه یافته و در حال توسعه دیده میشود.
در یک مطالعه تحقیقاتی در سال 1998 در امریکا، بر اساس داده های آماری میزان سفرهای درون و برون شهری و حوادث جاده ای، نرخ ایجاد اتوبان‌‌‌ها و جاده‌های اصلی در 10 سال آینده (تا سال 2008) 25 درصد جاده های موجود برآورد شده است که پس از ایجاد سازمان دولتی ITS و بهره گیری از تجارب شرکتهای مشاور خصوصی چون VDC و . . . نتیجه به دست آمده استفاده از سیستمهای ITS را با اهداف فوق تجویز می نمود. در واقع با به کار بردن ابزارهای هوشمند کنترل حمل و نقل و مدیریت آن میتوان از هزینه‌های ساخت اتوبانهای جدید به شدت کاست و از منابع موجود به بهترین نحو استفاده نمود. اینگونه سیستمها با کاربری‌های مختلفی چون راهنمایی مسیرهای سفر به صورت برخط ، سیستمهای اجباری و . . . نه تنها به سرعت عملیات ارگانهای مرتبط با پلیس و راهداری می افزایند بلکه در بسیاری موارد خود عواملی درآمد زا برای دولت نیز بوده و هزینه های خود را جبران می سازند. در این میان سیستمهای اجباری جاده ای که در اغلب دنیا توسط پلیس مورد استفاده قرار میگیرند از ارکان اساسی ITS به شمار می‌روند ، چرا که این سیستمها نه تنها درآمدزا هستند بلکه در مواردی چون روان‌سازی ترافیک جاده‌ای، کاهش تصادفات، فرهنگ‌سازی عمومی و افزایش توان پلیس که منجر به کاهش جرم و جنایت میشود نیز تاًثیر به سزایی دارند.
فهرست مطالب د
فهرست شکل‌‌ها ز
فهرست جدول‌ها ی
فهرست معادلات و روابط ک
چکیده 1
فصل 1- مقدمه 3
1-1- پیشگفتار 3
فصل 2- انواع سنسور های مورد استفاده در سیستم های مدیریت ترافیک 8
2-1- مقدمه 9
2-2- سنسورهای دفنی 12
2-2-1- لوله های بادی 12
2-2-2- آشکار سازهای حلقه القایی 13
2-2-3- سنسورهای پیزوالکتریک 15
2-2-4- سنسورهای مغناطیسی 17
2-2-5- توزین در حرکت 19
2-2-6- صفحه خمشی 20
2-2-7- سلول بار 21
2-2-8- سنسورهای غیر دفنی 22
2-2-9- پردازنده تصاویر ویدیویی 22
2-2-10- سنسورهای مادون قرمز 31
2-2-11- سنسورهای آلتراسونیک 35
فصل 3- مروری بر روشهای استخراج پارامترهای ترافیکی بااستفاده از پردازش ویدئویی 37
3-1- مقدمه 38
3-2- روش های موجود در تشخیص اشیاء 39
3-2-1- تشخیص از روی مدل هندسی آن 39
3-2-2- روش ردیابی لبه برای تشخیص شی 40
3-2-3- روش مبتنی بر عمق تصویر، به کمک چند تصویر از شی 40
3-2-4- استفاده از الگوریتم های شبکه های عصبی 42
3-2-5- تشخیص شی از روی حرکت آن 44
3-3- ردیابی حباب 55
3-4- ردیابی پیرامون فعال 61
3-5- ردیابی بر اساس مدل سه بعدی 63
3-6- ردیابی میدان تصادفی مارکوف 66
3-7- ردیابی بر اساس مشخصه 68
3-8- ردیابی بر اساس شار نوری 71
فصل 4- فصل چهارم: الگوریتم پیشنهادی برای ردیابی حباب 73
4-1- مقدمه 74
4-2- کلیات الگوریتم: 76
4-3- پایگاه داده تصاویر ویدئویی 78
4-4- بدست آوردن تصویر پس‌زمینه 80
4-5- بدست آوردن تصویر پییش‌زمینه 86
4-6- استفاده از عملگرهای شکل‌شناسی 89
4-7- پردازش حبابها 90
4-7-1- برچسب‌گذاری اولیه حبابها 90
4-7-2- استخراج مشخصات مربوط به هریک از حبابها 91
4-7-3- جداسازی حبابها براساس مشخصات آنها 92
4-8- کالیبراسیون 95
4-9- ردیابی حبابها 100
4-10- استخراج پارامترهای حرکتی و ترافیکی 102
4-11- الگوریتم های شمارش 103
4-11-1- روشهایی که وابستگی به ردیابی ندارند 103
4-11-2- روشهایی که بر اساس ردیابی عمل می‌کنند 105
4-12- الگوریتم پیشنهادی 105
4-12-1- استخراج نمودارهای بافت‌نگار 106
4-12-2- بدست آوردن اطلاعات بافت‌نگار در طول زمان 107
4-12-3- اطلاعات موجود در نمودارهای دو بعدی و سهبعدی به دست آمده 114
4-12-4- شمارش خودروها با استفاده از نمودار سطح زیرمنحنی بافت‌نگارها در طول زمان 114
4-12-5- شمارش خودروها با استفاده از نمودار سهبعدی بافت‌نگارها در طول زمان 116
4-12-6- شمارش خودروها با استفاده از کانتور بافت‌نگارها در طول زمان 116
4-12-7- شمارش خودروها با استفاده از اطلاعات دوبعدی اصلاح شده توسط اعمال قوانین شکل‌شناسی 119
4-12-8- جمعبندی الگوریتم پیشنهادی 121
4-13- نتایج آزمایشات 122
4-13-1- شمارش بدون استفاده از ردیابی حبابها 122
4-13-2- شمارش با استفاده از ردیابی حبابها 123
4-13-3- شمارش با استفاده از اطلاعات دوبعدی بدست آمده از ردیابی حبابها 123
4-13-4- شمارش با استفاده از اطلاعات دوبعدی اصلاح شده توسط اعمال قوانین شکل‌شناسی 124
جمعبندی و پیشنهادات 125
فهرست مراجع 126
شامل 141 صفحه فایل word
دانلود تحقیق تشخیص خودرو و استخراج پارامترهای حرکتی آن در تصاویر ویدئویی بزرگراهها
