به کارگیری روش شبکه عصبی وتحلیل رگرسیون خطی چندمتغیره برای پیش بینی عملکرددانشجویان

سیستمهای حمل ونقل هوشمند در مدیریت ترافیک، مدیریت پرداخت عوارض، کنترل چهارراهها، شناسایی انواع تخلف های خودروها در بزرگراهها و غیره مورداستفاده قرار میگیرند. برنامه های مختلفی درزمینه نظارت ویدیویی فعالیت دارند، مانند نظارت ترافیکی، نظارت پارکینگها، محیط های هوشمند، نظارت از راه دور، تشخیص اشیاء و دنبال کردن آنها، بررسی و تحلیل رفتار انسانها، شمارش افراد و غیره. مهمترین ابزار برای این کار شناسایی پلاک خودرو است که معمولا دارای سه مرحله است: تشخیص پلاک، بخشبندی کاراکترها و شناسایی کاراکترها. یکی از مسایلی که باعث کاهش دقت شناسایی کاراکترها در سیستم شناسایی پلاک خودرو است، وجود سایه3 به دلایل محیطی، شرایط نوری متفاوت، مسدود شدن مسیر پرتو از هر منبع نور و تقسیم بندی سایهها روی پلاک است. برای شناسایی و حذف سایه الگوریتمهای مختلفی به کار گرفتهشده است. در این مقاله الگوریتمهای آستانه گذاری به منظور حذف سایه پلاک خودرو به کار گرفته میشوند. روش پیشنهادی این مقاله، ترکیب دو الگوریتم اتسو و بردلی است بهطوریکه ازلحاظ دو معیار کیفیت و زمان خروجی بهینهتری نسبت با سایر الگوریتمها دارند.

Keywords:

تشخیص سایه , حذف سایه , تشخیص اتوماتیک پلاک خودرو , الگوریتم های آستانه گذاری