کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10321716 660749 2015 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A novel video based system for detecting and counting vehicles at user-defined virtual loops
ترجمه فارسی عنوان
یک سیستم ویدئویی جدید برای شناسایی و شمارش وسایل نقلیه در حلقه های مجازی تعریف شده توسط کاربر
کلمات کلیدی
ترجمه چکیده
این مقاله یک سیستم جدید برای تشخیص و شمارش وسایل نقلیه در فیلم های ترافیکی شهری در حلقه های مجازی تعریف شده ارائه می دهد. روش پیشنهادی از تداخل حرکت و مجاورت فضایی به منظور استفاده از ذرات نمونه برداری در توالی های ویدئویی شهری استفاده می کند. یک ماسک پیش زمینه با استفاده از مدل های مخلوط گاوس و تصاویر حرکت انرژی برای تعیین مکان های مورد نظر که ذرات نمونه باید نمونه برداری شوند، ایجاد می شود و سپس گروه های ذرات محدب برای شناسایی وسایل نقلیه مورد تجزیه و تحلیل قرار می گیرند. پس از شناسایی وسیله نقلیه، با استفاده از شباهت رنگ های آن در فریم های مجاور ردیابی می شود. وسایل نقلیه با حلقه های مجازی تعریف شده توسط کاربر، با شناسایی تقاطعات وسایل نقلیه ردیابی با این حلقه های مجازی شمارش می شوند. نتایج تجربی بر اساس فیلم های ترافیکی مختلف با مجموع 80،000 فریم ویدیو، نشان می دهد که رویکرد ما به طور بالقوه می تواند قابل اعتماد تر از روش های قابل مقایسه در ادبیات باشد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
This paper presents a new system for detecting and counting vehicles in urban traffic videos at user-defined virtual loops. The proposed method uses motion coherence and spatial adjacency to group sampling particles in urban video sequences. A foreground mask is created using Gaussian Mixture Models and Motion Energy Images to determine the preferable locations that the particles must sample, and the convex particle groups are then analyzed to detect the vehicles. After a vehicle is detected, it is tracked using the similarity of its colors in adjacent frames. The vehicles are counted in user-defined virtual loops, by detecting the intersections of the tracked vehicles with these virtual loops. The experimental results based on different traffic videos, with a total of 80,000 video frames, suggest that our approach potentially can be more reliable than comparable methods available in the literature.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issue 4, March 2015, Pages 1845-1856
نویسندگان
, , , ,