تشخیص وسایل نقلیه در محیط‌ های ترکیبی

در این مقاله، طراحی و پیاده‌سازی یک سیستم تشخیص وسایل نقلیه مبتنی بر تحلیل اجزاء رنگ در فضای rgb ارائه و چالش‌های آن از جمله شرایط جوی مختلف (بارانی، برفی، مه‌آلود و...)، زمان‌های مختلف(روز، شب، ظهر، بعدازظهر)، ترافیک سنگین، وجود سایه و هم چنین وجود مشکلاتی در سطح جاده مورد بررسی قرار گرفته است. در سال‌های اخیر روش‌های موثر بر مبنای ساخت مدل پس‌زمینه ارائه گردیده است اما این روشها دارای مشکلاتی هستند که اگر چنانچه این مدل پس‌زمینه به صورت پیوسته بروز رسانی نشود، تنها تغییرات روشنایی می‌تواند کیفیت تشخیص را به شدت پائین بیاورد. هدف این مقاله پیشنهاد روشی برای تشخیص وسایل نقلیه بدون نیاز به ساخت و بروز رسانی مدل پس زمینه است که بتواند در چالش‌های مختلف به صورت مطلوب و با دقت بالا عمل کند. در این روش برای غلبه بر مشکلات حاصل از تغییرات روشنایی و شرایط جوی مختلف از نرمال سازی هیستوگرام و برای استخراج اشیاء در حال حرکت از مقدار مشتق سطح خاکستری و جریان نوری استفاده شده است. در پایان برای جستجوی ناحیه‌های تشخیص داده شده و هم چنین برای جدا کردن خطوط و علائم از وسایل نقلیه از توصیف‌گر hog و دسته‌بند svm استفاده شده است.نتایج آزمایش‌ها روی پایگاه داده‌ vdtd کارایی این روش را تائید کرده و نشان می‌دهد که روش پیشنهادی در شرایط جوی ترکیبی و هم چنین در ترافیک سنگین بهتر از روش‌های مشابه عمل می‌کند.