کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6937765 1449837 2018 34 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Vehicle detection in intelligent transportation systems and its applications under varying environments: A review
ترجمه فارسی عنوان
تشخیص وسایل نقلیه در سیستم های حمل و نقل هوشمند و برنامه های کاربردی آن در محیط های مختلف: بررسی
کلمات کلیدی
تشخیص خودرو، دیدگاه کامپیوتر، سیستم های حمل و نقل هوشمند محیط های متفاوت، نظارت بر ترافیک،
ترجمه چکیده
تشخیص دقیق و کارآمد خودرو در دید مونوکلور، یک وظیفه مهم در سیستم های حمل و نقل هوشمند است. با توسعه تکنیک های دید در کامپیوتر و در نتیجه دسترسی به داده های تصویر ویدئویی، برنامه های جدید به الگوریتم های شناسایی جاده ها فعال شده اند. این مقاله بررسی ادبیات در تشخیص وسایل نقلیه در محیط های مختلف را ارائه می دهد. با توجه به تنوع محیط های رانندگی جاده ای، تشخیص وسایل نقلیه ممکن است با مشکلات و چالش های مختلف روبرو شود. بنابراین، بسیاری از رویکردها پیشنهاد شده اند و می توانند به عنوان روش های مبتنی بر ظاهر و روش های مبتنی بر حرکت دسته بندی شوند. علاوه بر این، سنسورهای روشنایی ویژه، شرایط آب و هوایی و رانندگی از نظر روش شناسی و ارزیابی کمی مورد بحث قرار گرفته است. در آینده، تلاش ها باید بر روی روش های شناسایی وسیله نقلیه برای شرایط مختلف جاده ای متمرکز شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
تشخیص وسایل نقلیه در سیستم های حمل و نقل هوشمند و برنامه های کاربردی آن در محیط های مختلف: بررسی
چکیده انگلیسی
Robust and efficient vehicle detection in monocular vision is an important task in Intelligent Transportation Systems. With the development of computer vision techniques and consequent accessibility of video image data, new applications have been enabled to on-road vehicle detection algorithms. This paper provides a review of the literature in vehicle detection under varying environments. Due to the variability of on-road driving environments, vehicle detection may face different problems and challenges. Therefore, many approaches have been proposed, and can be categorized as appearance-based methods and motion-based methods. In addition, special illumination, weather and driving scenarios are discussed in terms of methodology and quantitative evaluation. In the future, efforts should be focused on robust vehicle detection approaches for various on-road conditions.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Image and Vision Computing - Volume 69, January 2018, Pages 143-154
نویسندگان
, ,