تشخیص وسایل نقلیه در محیط های ترکیبی

در این مقاله، طراحی و پیاده سازی یک سیستم تشخیص وسایل نقلیه مبتنی بر تحلیل اجزاء رنگ در فضای RGB ارائه و چالش های آن از جمله شرایط جوی مختلف (بارانی، برفی، مه آلود و...)، زمان های مختلف(روز، شب، ظهر، بعدازظهر)، ترافیک سنگین، وجود سایه و هم چنین وجود مشکلاتی در سطح جاده مورد بررسی قرار گرفته است. در سال های اخیر روش های موثر بر مبنای ساخت مدل پس زمینه ارائه گردیده است اما این روش ها دارای مشکلاتی هستند که اگر چنانچه این مدل پس زمینه به صورت پیوسته بروز رسانی نشود، تنها تغییرات روشنایی می تواند 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 چالش های 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 ناحیه های تشخیص داده شده و هم چنین برای جدا کردن خطوط و علائم از وسایل نقلیه از توصیف گر HOG و دسته بند SVM استفاده شده است.نتایج آزمایش ها روی پایگاه داده VDTD کارایی این روش را تائید کرده و نشان می دهد که روش پیشنهادی در شرایط جوی ترکیبی و هم چنین در ترافیک سنگین بهتر از روش های مشابه عمل می کند.