کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4968604 | 1449675 | 2016 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A robust approach for road users classification using the motion cues
ترجمه فارسی عنوان
یک رویکرد قوی برای طبقه بندی کاربران جاده با استفاده از نشانه های حرکت
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
طبقه بندی جاده ها، مجموعه های فازی ایمنی ترافیک، تجزیه و تحلیل ویدئو خودکار
ترجمه چکیده
نظارت تصویری بر ترافیک یک شیوه معمول در شهرهای بزرگ است. داده های تولید شده توسط نظارت تصویری از کاربردهای عملی مانند تجزیه و تحلیل ترافیک برای برنامه ریزی شهر استفاده می کند. با این حال، سودمندی نظارت تصویری از ترافیک محدود است مگر اینکه یک راه قابل اعتماد برای طبقه بندی خودکار کاربران جاده نیز باشد. این مقاله با استفاده از نشانه های حرکت خود، روش خودکار طبقه بندی کاربران جاده ها را در وسایل نقلیه، دوچرخه سواران و عابران پیاده معرفی می کند. در این روش، حرکت کاربران جاده بر روی توالی فریم های تصویری گرفته شد. فیلم ها با استفاده از یک سیستم ردیابی مبتنی بر ویژگی ها، تجزیه و تحلیل شده اند که آهنگ های کاربران جاده را بازگرداند. بخش های جداگانه اطلاعاتی که از این آهنگ ها کسب شده اند، طبقه بندی شده اند. 19 طبقهبندی در این روش وجود دارد. ارزشهای طبقهبندیها مورد ارزیابی قرار گرفتند و در یک چارچوب عضویت فازی قرار گرفتند که به نوبه خود نیاز به تنظیمات قبلی در دسترس داشت. این به طبقه بندی نهایی کاربران جاده منجر شد. عملکرد این روش نتایج دلسوزانه را نشان داد. سهم مهم در این مقاله ایجاد یک رویکرد قوی است که می تواند طبقه بندی های مختلف را با استفاده از چارچوب عضویت فازی ادغام کند. روش توسعه یافته همچنین از طبقه بندی پارامترها استفاده می کند که به هندسه خاص یا ترافیک تقاطع بستگی ندارد. این یکی از مزیت های کلیدی است زیرا امکان انتقال را فراهم می کند و عملی و مفید بودن روش را بهبود می بخشد.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
نرم افزارهای علوم کامپیوتر
چکیده انگلیسی
Video monitoring of traffic is a common practice in major cities. The data generated by video monitoring has practical uses such as traffic analysis for city planning. However, the usefulness of video monitoring of traffic is limited unless there is also a reliable way to automatically classify road users. This paper presents an automated method of road users' classification into vehicles, cyclists, and pedestrians by using their motion cues. In this method, the movement of road users was captured on sequences of video frames. The videos were analysed using a feature-based tracking system, which has returned the tracks of road users. The separate pieces of information gained from these tracks are hereafter called Classifiers. There are nineteen classifiers included in this method. The classifiers' values were assessed and integrated into a fuzzy membership framework, which in turn required prior configurations to be available. This led to the final classification of road users. The performance of this method demonstrated promising results. An important contribution of this paper is the creation of a robust approach that can integrate different classifiers using fuzzy membership framework. The developed method also uses parametric classifiers, which do not depend on the specific geometry or traffic operation of the intersection. This is a key advantage because it enables transferability and improves the practicality and usefulness of the method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Transportation Research Part C: Emerging Technologies - Volume 73, December 2016, Pages 77-90
Journal: Transportation Research Part C: Emerging Technologies - Volume 73, December 2016, Pages 77-90
نویسندگان
Haider Talib, Karim Ismail, Ali Kassim,