مینا اتحادی ابری - کارشناس ارشد هوش مصنوعی، دانشکده کامپیوتر، دانشگاه صنعتی امیرکبیر
محمد رحمتی - دانشیار دانشکده مهندسی کامپیوتر، دانشگاه صنعتی امیرکبیر

امروزه سیستم تشخیص عابر پیاده کاربرد زیادی در سیستم های نظارت و کنترل ترافیک شهری، خودروهای پیشرفته ی هوشمند جهت افزایش ایمنی کاهش سوانح رانندگی و... دارند. به عنوان مثال خودروهای هوشمند نسل جدید در صدد بهره گیری از کاملترین و به روز ترین سیستم های هوشمند تشخیص عابر پیاده هستند، مخصوصا اینکه به دلیل کاهش دید رانندگان در شب، مرگ ناشی از سوانح رانندگی در شب سه تا چهار برابر بیشتر از رانندگی در روز است. هدف در این پژوهش تشخیص عابرین پیاده در موقعیت ها و پوزیشن های مختلف ( مانند نشسته و یا در حال دوچرخه سواری)، با بک گراندهای متنوع و پیچیده است. در این پژوهش استخراج ویژگی به کمک توصیف کننده هیستوگرام جهتدار گرادیان و ACF و هار و ترکیب این سه توصیف کننده با یکدیگر انجام می پذیرد. همچنین از دسته بندی کننده آبشاری و ماشین بردار پشتیبان برای کلاس بندی و داسازی عابرین پیاده از سایر اشیا استفاده کرده ایم. HAAR و HOG دو روش قدیمی موفق برای تشخیص اشیا می باشند و الگوریتم ACF یک روش مدرن برای تشخیص اشیا است که اولین بار در سال 2014 معرفی شده است.

تشخیص عابر پیاده هوشمند، ماشین بردار پشتیبان، کلاس بند آبشاری. HOG , ACF , Haar