طراحی سیستم آشکارساز عابر پیاده با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و تک طبق بند ماشین بردار پشتیبان بر روی دادههای آموزشی سیاه نما
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,678
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMVIP08_018
تاریخ نمایه سازی: 9 بهمن 1392
Abstract:
آشکارسازی عابر پیاده یکی از مهمترین مسائلی است که در سالهای اخیر به طور گستردهای در کاربردهای بینایی ماشین و سیستمهای هوشمند مورد توجه قرار گرفته است. انتخاب روشی مناسب برای استخراج ویژگیها و نیز نوع طبقهبندی کننده میتواند بدعت و کارایی کل سیستم را تحت تأثیر قرار دهد. در این تحقیق از ویژگیهای ویولت های شبه هار (پایه و چندین ویژگی جدید) و هیستوگرام گرادیان جهتدار و نیز ترکیب این دو ویژگی برای استخراج ویژگیهای تصاویر از نوع سیاه نما استفاده شده است. با استفاده از این ویژگی ترکیبی و طبقهبندی کننده ساده فاصله افلیدسی سیستم آشکارساز عابر پیاده این با نتایجی قابل قبول ارائه شده است. در گام بعدی به منظور بهبود بدعت تشخیص، سیستم آشکارساز عابر پیاده لیگی با استفاده از ویژگیهای شبه هار و هیستوگرام گرادیان جهتدار و نیز ترکیب آنها و با کمک طبقهبندی کننده SVM تو شدهام. یکی از ویژگیهای بارز و مهم قابل استخراج در تصاویر سیاه و ما مربوط به اطلاعات لپه ها است و جان روش HOG صورت بالایی این ویژگی استخراج میکند بنابراین در طراحی سیستم آشکارساز عابر پیاده با استفاده از دادههای آموزشی از نوع تصاویر سیاه و ما استفاده از ویژگیهای HOG و طبقهبندی کننده SVM به پایش را از لحاظ دقت خیس بالا و نرخ خطای مثبت پایین ارائه میدهد.
Keywords:
سیستم آشکارساز عابر پیاده , ویژگیهای ویولت خای شبه هار , ویژگیهای هیستوگرام گرادیان جهتدار Histogram of Oriented Gradients ک طبق بند ماشین بردار پشتیبان Support Vector Machines , تصاویر سیاه نما (Silhouette Images)
Authors
الهام محمدی
دانشگاه آزاد اسلامی واحد تبریز - دانشکده مکانیک - گروه مکانیک
میر هادی سید عربی
دانشگاه تبریز - دانشکده مهندسی برق و کامپیوتر
آیدین سخاوتی
دانشگاه آزاد اسلامی واحد تبریز - دانشکده و - گروه بر کف
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :