علی امیری - عضو هیئت علمی گروه برق الکترونیک، دانشگاه زنجان
مرتضی رحمنی - کارشناسی ارشد برق الکترونیک، دانشگاه زنجان
میترا جعفری - کارشناسی ارشد برق الکترونیک، دانشگاه زنجان

افزایش وسایل نقلیه و جوابگو نبودن سیستمهای کنترل سنتی، باعث ایجاد سیستمهای کنترل ترافیک به صورت هوشمند شده است. که این عامل کنترل و مدیریت شهری و افزایش ضریب اطمینان جاده ها و بزرگراه ها می شود. هدف کلی این مقاله طبقه بندی وسایل نقلیه بر اساس استخراج ویژگیها و اعمال آن به ماشین بردار پشتیبان (SVM) می باشد. در این تحقیق ما از یک دوربین ثابت که در ارتفاعی نسبتاً نزدیک به سطح جاده می باشد برای شناسایی و طبقه بندی وسایل نقلیه استفاده کردهایم. الگوریتم استفاده شده شامل دو مرحله کلی می باشد. ابتدا با تکنیک های پردازش تصویر و حذف پس زمینه و اعمال عملیات لبه یابی و مورفولوژی، وسایل نقلیه متحرک را در صحنه های ترافیک بدست می آوریم و در مرحله بعدی وسایل نقلیه شناسایی شده انتخاب شده و عمل پردازش و استخراج ویژگی های مورد نظر انجام می گردد. سپس استفاده از ماشین بردار پشتیبان (SVM) جهت دسته بندی وسایل نقلیه پرداخته شده است ، به صورتی که خروجی نوع وسیله نقلیه عبوری را مشخص می کند. مدل ارائه شده قادر به طبقه بندی وسایل نقلیه در سه دسته وسایل نقلیه سنگین، سبک و موتورسیکلت می باشد. نتایج بدست آمده دقت و عملکرد بسیار بالای این الگوریتم را نشان می دهد.

کنترل ترافیک، طبقه بندی وسایل نقلیه، ماشین بردار پشتیبان ، دوربین، عملیات مورفولوژی