آشکارسازی تصویری درب های محیط های درونی به کمک ویژگی هیستوگرام گرادیان جهت دار و دسته بند ماشین بردار پشتیبان
Publish place: National Conference of Technology, Energy & Data on Electrical & Computer Engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 725
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TEDECE01_582
تاریخ نمایه سازی: 30 آبان 1394
Abstract:
درب ها نشانه های مهمی برای مسیریابی می باشند، زیرا آنها مکان های ورود و خروج در محیط های درونی را تعیین می کنند. در گذشته مطالعه های زیادی روی مسئله تشخیص درب انجام شده است. اغلب روش های موجود تشخیص درب، برای محیط های شناخته شده و با محدودیت های فراوان می باشند. در این تحقیق یک روش مسیریابی بر مبنای بینایی ماشین برای افراد نابینا ارائه شده است تا بتواند کمکی به این افراد برای دسترسی مستقیم به محیط های درونی ناآشنا باشد. این روش با استفاده از توصیفگر ویژگی هیستوگرام گرادیان جهت دار HOG ، ویژگی های تصاویر آموزشی برای تشخیص درب را بدست می دهد؛ سپس، با استفاده از دسته بند آموزش دیده ی ماشین بردار پشتیبان SVM ، دسته بندی تصاویر صورت می پذیرد. در نهایت با استفاده از یک الگوریتم خوشه بندی مکان تقریبی درب در تصویر مشخص می شود. نتایج آزمایش ها نشان می دهد که روش پیشنهادی دارای دقت بالا بر روی تصاویر درب که در محیط های درونی مختلف و با شرایط روشنایی و چشم انداز و پیچیدگی پس زمینه متفاوت تهیه شده اند، می باشد
Keywords:
آشکارسازی درب , دسته بند)یادگیری باناظر ماشین بردار پشتیبان SVM , خوشه بندی یادگیری بدون ناظر , ویژگی هیستوگرام گرادیان جهت دار HOG
Authors
محجوبه نظری چمازکتی
کارشناسی ارشد معماری سیستم های کامپیوتری، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، ایران
عباس وفایی
دانشیار، دانشکده مهندسی کامپیوتر، گروه معماری کامپیوتر، دانشگاه اصفهان، ایران
سیدامیرحسن منجمی
دانشیار، دانشکده مهندسی کامپیوتر، گروه هوش مصنوعی، دانشگاه اصفهان، ایران
عزت الصوص حسنی
دکتری هوش مصنوعی، دانشکده مهندسی کامپیوتر، گروه هوش مصنوعی، دانشگاه اصفهان، ایران
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 :