-
حرية الوصول المقاله
1 - On-road Vehicle detection based on hierarchical clustering using adaptive vehicle localization
Moslem Mohammadi Jenghara Hossein Ebrahimpour KomlehVehicle detection is one of the important tasks in automatic driving. It is a hard problem that many researchers focused on it. Most commercial vehicle detection systems are based on radar. But these methods have some problems such as have problem in zigzag motions. Im أکثرVehicle detection is one of the important tasks in automatic driving. It is a hard problem that many researchers focused on it. Most commercial vehicle detection systems are based on radar. But these methods have some problems such as have problem in zigzag motions. Image processing techniques can overcome these problems.This paper introduces a method based on hierarchical clustering using low-level image features for on-road vehicle detection. Each vehicle assumed as a cluster. In traditional clustering methods, the threshold distance for each cluster is fixed, but in this paper, the adaptive threshold varies according to the position of each cluster. The threshold measure is computed with bivariate normal distribution. Sampling and teammate selection for each cluster is applied by the members-based weighted average. For this purpose, unlike other methods that use only horizontal or vertical lines, a fully edge detection algorithm was utilized. Corner is an important feature of video images that commonly were used in vehicle detection systems. In this paper, Harris features are applied to detect the corners. LISA data set is used to evaluate the proposed method. Several experiments are applied to investigate the performance of proposed algorithm. Experimental results show good performance compared to other algorithms . تفاصيل المقالة -
حرية الوصول المقاله
2 - رویکرد شورای انتخاب ویژگی بر اساس خوشهبندی سلسلهمراتبی برای حل مشکل دادههای زايد در بینی الکترونیکی
محمدعلی باقری غلامعلی منتظروجود دادههاي زايد در پاسخ حسگرهای بيني الكترونيكي اثر چشمگیری در دستهبندی بو دارد. برای بهبود صحت دستهبندی، میتوان از سیستم دستهبندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگیها (بهجای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای ا أکثروجود دادههاي زايد در پاسخ حسگرهای بيني الكترونيكي اثر چشمگیری در دستهبندی بو دارد. برای بهبود صحت دستهبندی، میتوان از سیستم دستهبندی چندگانه بر اساس انتخاب چند زیرمجموعه از ویژگیها (بهجای استفاده از تمام ابعاد بردار ویژگی) استفاده کرد. در این رویکرد که "شورای انتخاب ویژگی" نامیده میشود، فرض بر آن است که مجموعه اولیه ویژگیها دارای دادههایی زايد بوده و میتوان با انتخاب زیرمجموعههای ویژگی مختلف و سپس ترکیب دستهبندهای ایجادشده با این زیرمجموعهها به نتایج دستهبندی بهتری رسید. در این مقاله پس از پیشپردازش سیگنال اولیه حسگرها و حذف نویز سیگنال با استفاده از تحلیل موجک، سیستم دستهبند چندگانه با زیرمجموعههای ویژگی مختلف طراحی شده است: ویژگیهای استخراجشده از سیگنال گذرای حسگر با روش خوشهبندی سلسلهمراتبی طبقهبندی شده و زیرمجموعههای مختلف با انتخاب یک ویژگی از هر خوشه ایجاد شدهاند. این موضوع موجب بهبود تنوع دستهبندهای پایه و افزایش کارایی و سرعت دستهبندی میشود. روش پیشنهادی ابتدا در چند مجموعه داده تراز از مخزن داده UCI آزمون شده و پس از اثبات توانایی آن، در مجموعه داده بویایی حاصل از رایحه سه نوع شیرینبیان به کار برده شده است. نتایج حاصل نشاندهنده کارایی روش جدید در شناسایی الگوهای بویایی است. تفاصيل المقالة -
حرية الوصول المقاله
3 - تشخیص زاویه قرارگیری شخص در تصویر با استفاده از اطلاعات کانتوری
علی سبطی حمید حسنپوردر بسیاری از کاربردها از جمله کاربردهای نظارتی، حالت و زاویه قرارگیری شخص نسبت به دوربین از اطلاعات مهم میباشد. این اطلاعات میتواند در ارزیابی رفتاری شخص مورد استفاده قرار گیرد. از دشواریهای این تشخیص میتوان به کیفیت پایین دوربینهای نظارتی، نویز و پسزمینههای پیچی أکثردر بسیاری از کاربردها از جمله کاربردهای نظارتی، حالت و زاویه قرارگیری شخص نسبت به دوربین از اطلاعات مهم میباشد. این اطلاعات میتواند در ارزیابی رفتاری شخص مورد استفاده قرار گیرد. از دشواریهای این تشخیص میتوان به کیفیت پایین دوربینهای نظارتی، نویز و پسزمینههای پیچیده در تصویر اشاره نمود. در روشهای موجود برای تشخیص زاویه از ویژگیهایی نظیر هیستوگرام گرادیانهای جهتی استفاده میشود. در این توصیفگر محاسبه هیستوگرامها بر اساس نواحی محلی انجام میگیرد که دارای نقاط ضعفی در تشخیص زاویه میباشد. یکی از اطلاعات مفید که میتواند در تشخیص زاویه مورد استفاده قرار گیرد لبههای احاطهکننده یک شیء در تصویر است که بدان کانتور شیء اطلاق میگردد. در این مقاله تعمیمی از کانتور ارائه میشود که به کمک آن میتوان به صورت سلسلهمراتبی تخمینی از کانتور محاطشده به تصویر شخص را ارائه داد. این کانتورها از روی یک مدل سهبعدی انسان تولید میشوند. کانتور تخمین زده شده همانند یک ویژگی سطح بالا در کنار ویژگیهای سطح پایین نظیر هیستوگرام گرادیانهای جهتی به عنوان ویژگی نهایی در نظر گرفته میشود. در تولید این ویژگی از ترکیب خطی چندین نوع کانتور مربوط به بخشهای مختلف بدن استفاده شده است. به منظور نشاندادن تأثیر ویژگی جدید در تشخیص زاویه، کلاسبند ماشین بردار پشتیبان با استفاده از ترکیب دو ویژگی بالا آموزش داده شده و سپس بر روی مجموعه دادههای VIPeR مورد ارزیابی قرار گرفته است. نتایج آزمایشات انجامشده نشان میدهد که استفاده از ویژگی ارائهشده، دقت تشخیص زاویه را حدود 4% بهبود میبخشد. تفاصيل المقالة