کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4969281 1449928 2017 57 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Thermal-image processing and statistical analysis for vehicle category in nighttime traffic
ترجمه فارسی عنوان
پردازش تصویر حرارتی و تجزیه و تحلیل آماری برای دسته خودرو در ترافیک شبانه
کلمات کلیدی
ترجمه چکیده
تلفات اتوماتیک در ورود و خروج بزرگراه ها باید وسیله نقلیه را به منظور جمع آوری هزینه های بزرگراه مخصوصا در شبانه مورد تقسیم قرار دهد. این مقاله یک روش دسته بندی وسایل نقلیه در ترافیک شبانه را با استفاده از پردازش تصویر حرارتی و تحلیل آماری پیشنهاد می کند. برای شناسایی انواع وسایل نقلیه، ارتباط آماری بین ویژگی های حرارتی گرمای موتور، شیشه ی پنجره و دیگر موارد در این روش استفاده می شود. اولا، مقادیر آستانه مناسب برای طبقه بندی ویژگی های حرارتی به طور خودکار تعیین می شود، کل منطقه تصویر حرارتی سپس به بلوک ها تقسیم می شود و ویژگی های حرارتی طبقه بندی شده در تمام بلوک ها با مقادیر آستانه به ترتیب برای دسته بندی نوع وسایل نقلیه مجتمع می شوند. برای ارزیابی عملکرد روش پیشنهادی، آزمایشات با 2937 نمونه از اتومبیل ها، کامیون ها و کامیون ها طبقه بندی شده و نتایج تقریبا دقت 95.51٪ را نشان می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
پردازش تصویر حرارتی و تجزیه و تحلیل آماری برای دسته خودرو در ترافیک شبانه
چکیده انگلیسی
The automatic tollgate at highway entrance and exit needs to categorize vehicle in order to collect highway passing fee especially at night time. This paper proposes a method of vehicle categorization in nighttime traffic using thermal-image processing and statistical analysis. To recognize the vehicular types, statistical relation between thermal features of engine heat, windscreen and others are utilized in this method. Firstly, appropriate threshold values for classifying the thermal features are automatically determined, entire area of the thermal image is then divided into blocks, and thermal features classified in all blocks by the threshold values are finally integrated for vehicle type categorization. To evaluate the performance of proposed method, experiments with 2937 samples of cars, vans and trucks are categorized, and the results approximately reveal 95.51% accuracy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Visual Communication and Image Representation - Volume 48, October 2017, Pages 88-109
نویسندگان
, ,