دوربین های مدار بسته روی شبکه های کامپیوتری
محتویات بصورت ووورد و قابل ویرایش...
صنعت حفاظت و مراقبت وابستگی مطلقی با پیشرفت فناوری داشته و همراه با آن روزبروز متحول می شود. بویژه پیشرفت سخت افزارها و نرم افزارهای کامپیوتری و شبکه ها، روند طراحی و ساخت تجهیزات مراقبتی را بسیار تحت تأثیر قرار داده است.
یکی از سریعترین پیشرفتها در زمینة CCTV می باشد که شامل دوربینهای پیشرفته، تکنیکهای فشرده سازی و پردازش تصاویر، ذخیره سازی و بازیافت اطلاعات و تصاویر ، ارسال بر روی شبکه های LAN یا IP (Video/Voice/Control over IP)می باشد. با توسعة فناوریها، نیاز به ارتباط نقاط دور و غیر قابل دسترس به شبکه ها و مراکز محلی بسیار محسوس شده است. برای این منظور نیاز به برقراری ارتباطاتی سریع الوصول ، مطمئن ، ارزان قیمت ، پایدار ، قابل جابجایی و پر سرعت برای انتقال تصاویر ویدئویی ، صدا ، سیگنالهای کنترل و ... می باشد. در اولین نگرش تنها ارتباطی که تمام خصوصیات مذکور را یکجا دارا باشد یک ارتباط بیسیم یا WireLess است.
در این پایان نامه تحقیقاتی چندین روش همراه با بعضی معایب و محاسن آن مورد بررسی واقع شده است از جمله: شناسایی خودرو در تصاویر هوایی شناسایی خودرو مبتنی بر جزئیات در تصاویر خیابانی، شناسایی خودرو در الگوریتم Icm و در نهایت Vision bqased ACC در پایان پروژه توضیحاتی در باب سیستم حمل و نقل هوشمند و چگونگی و کاربرد شناسایی خودرو ارائه شده است.
حال به صورت کلی به بیان برخی از این یافتهها میپردازیم. درشناسایی خودرو در عکسهای هوایی، یک سیستم برای شناسایی خودروها در تصاویر هوایی در طول جاده عرضه میشود و شروع کار ازتستهای روانشناسی میباشد تا ویژگیهای مهمی برای شناسایی (همانند مرز بدنه ماشین، مرز جلوی شیشه جلو و...)پیدا شود. که در ساختار Baysian نشان داده شده است.
شناسایی وسیله نقلیه بوسیله VIEW POINT و RESOLUTION انجام میشود. و وسیله نقلیه به عنوان مستطیل مدل میشود از میانگین gray level و سطحهای شیبدار درونی، بیرونی و میانی وسایل برای تشخیص استفاده میشود.
در یک تشخیص دوربین ایستا، اشیای در حال حرکت بوسیله back ground subtraction شناسایی میشود.
در دیاگرام سیستم تشخیص، ماشین هندسی و دوربین تا وقتی که توزیع کننده ویژگیها بیشتر تعلیم داده شوند بدون یادگیری مدل میشود. جهت جادهها بوسیله لاینهای انبوه در تصویر تخمین زده میشود و از چهار قسمت از جلوی شیشه جلویی دو قسمت از مرز بیرونی سایه و شدت منطقه سایه هنگامی که وجود دارد به عنوان ویژگی استفاده میشود. در تست روانشناختی یک مجموعه داده متفاوت با ماشینهای در شرایط آشکار سازی و تراکم مختلف در محیط متفاوت استفاده میشود.
نتایج بدست آمده شامل شکل مستطیلی، طرح wind shield، سایه ماشین تشخیص را آسانتر میکند و همچنین محیط که روی تشخیص اثر میگذارد میباشد.
در دستهای از مسیرهای جاده، مسیرهای مورد نظر (DOI) میتواند بوسیله عکسها تخمین زده شود ویژگیهای استفاده شده در این روش اغلب ویژگیهای گردایان خطی میباشند. وازجوابهای گرادیان فیلترهای شکل اصلی استفاده میشود.
برای شناسایی ماشینها با ویژگیهای قید شده باید شکل محل وابسته به مرکز را بشناسیم و از یک مدل عمومی شامل یک frame geometrical wiremodel و یک surface reflectance model استفاده میشود.
در بحث یکپارچگی ویژگیهای چندگانه به ترکیب خصوصیات نیاز داریم و از شبکه Baysian استفاده میکنیم. در پارامترهای handcraft BN به دستگاههایی با مقادیر CPT نیاز داریم انجام دادن شناسایی با پارامترهای دستی کارایی قابل قبولی را نشان میدهد.
سپس بحث یادگیری پارامترها بیان میشود که به عنوان مثال یادگیری CPT فقط به محاسبات هیستوگرام نیاز دارد پس از آن شناسایی و سپس پردازش بیان خواهد شد. ضمنا بحث ROC که منحنیهایی هستند که کارایی سیستم ما را روی دو database نشان میدهد مطرح میشود.
بحث بعدی ذکر شده شناسایی ماشین مبتنی بر جزئیات میباشد. که باعث kay هاکه از تصاویر ماشینها که از مجموعه یادگیری بدست میآید ذکر میشود و به دستهبندیها میپردازد. یک مخصوص میتواند بیش از یک دسته kay point آمیخته شود. در پایگاه داده زیرمجموعه منظره خیابان همه عکسها به gray scale از نتایج آزمایشات مختلف استفاده میشود سیستم بنزین SVM های سراسری را اجرا میکند. آخرین مرحله در شناسایی اشیا در عکسها بکار بستن دسته کنندههای دانا به همه پنجرههای پنهانی در عکسها میباشد. بحثهایی در مورد شناساییهای چندگانه و روشهای حل آن بیان میگردد. کاربرد این روش شناسایی ماشین با بکارگیری حد آستانه در آن صورت میگیرد همچنین میتوان از روش برچسبگذاری در ماشینها استفاده کرد که معایب آن هم ذکر خواهد شد.
بحثهایی در مورد شناساگر اجزا و اینکه جهت ارزیابی هر جزء شناساگر، هر شناساگر به صورت زیرمجموعهای از مجموعه تست بیان میشود، ذکر میگردد. و نیز بحث ترکیب اجزا بیان میشود که در آن سه دیدگاه بیان میشود.
بطورکلی قابل بحث است که آیا دستههای kay point ماشین میتواند به عنوان قسمتهای ماشینی مطرح شوند، یک مقایسه با سیستم کلینگر فراهم میشود که برای نشان دادن دیدگاه مبتنی بر جزئیات از آن استفاده میشود. مشاهده میشود که سیستم مبتنی بر جزئیات در برابر شرایط غیر عادی همانند درآمیختگی و روشنایی قوی مقاومت بیشتری دارد. در این ساختار منابع محاسباتی بیشتری نیاز داریم. در نهایت این روش با کارهای اولیه در شناسایی خودرو مقایسه میشود.
در الگوریتم ICM در ابتدا مقایسهای بین PCNN صورت گرفته است، و مطالب جزئی در مورد ICM و شامل اینکه ویژگیهای تصویر نمیتوانند بعد از پروسهICM به آسانی بهبود یابند. الگوریتم ICM چند pulse image را میسازد و شناسایی تغییرات از مقایسه این تصاویر مشابه بوجود میآید.
بحث شناسایی ماشین در حال حرکت روی جاده با استفاده از این ICM بیان میگردد ICM عکسهای تصاویر را معکوس میکند.
در روش آخر vision based Acc میباشد، بحث علامتهای مسیر جاده بیان میگردد که هر علامت مسسیر شناسایی میشود و یک ناحیه interest به جای پوشاندن قسمت جلوی ego- vehicle استفاده میگردد.
سیستم پیگیری خط توصیف میشود که به سه زیر سیستم تقسیم میگردد. سرانجام بحث شناخت و ردیابی ماشین با استفاده از وسایل نقلیه کاندید شده در طول مسیر که هر کدام به 5 منطقه فرعی و مستقل تقسیم میشود بیان میگردد.
فهرست مطالب
چکیده:1
مقدمه. 5
مقدمهای بر روشهای شناسایی خودرو:5
شناسایی ماشین در عکسهای هوایی.. 7
1- Ralated work :7
2- our apprack. 10
دیاگرام سیستم تشخیص.... 10
3- تست روانشناختی (A Psychophysical test)11
4- Feature Extraction (استخراج ویژگی)14
1-4 clustering of road direction. 14
2-4- ویژگیهای به کار برده شده برای ردیابی:15
3-4 model – based Feature Prediction :17
1-5 : پارامتریزه کردن خصوصیات:19
2-5 یکپارچگی.. 20
3-5 : پارامترهای BN: handcraft22
4-5: یادگیری پارامترها :23
6 . شناسایی و پس پردازش... 26
1-6 : شناسایی.. 26
2-6 پس پردازش (Post – Processsing)29
7- نتایج و بحث (Result & Discussion)31
1-7: نتایج. 31
2-7 زمان محاسبات.. 34
8- نتایج و آینده کار. 35
Compont – based cardetection in street Scencee Images. 38
1- Object detaction frome work. 40
2- Experiment (آزمایش)41
Street Scenes Subset database. 43
keypoint – based car detector44
Compaison to global SVMs. 44
car detection. 45
1-3 : ترکیب اجزا Component Combination. 48
2-3 : شناساگر اجزاComponent detector50
3-3 : Component Combination classifier50
4- car detection. 52
5- نتایج Conclusion. 56
Comporison with Prior work in Car detection. 59
مقایسه با کارهای اولیه در شناسایی خودرو:59
Reference:61
استفادهی ICM... 63
Tests of the ICM on imagery (معیارهای ICM روی تصویرسازی )64
شناسایی ماشین.. 64
Refrence. 65
A M onocular Solution to vision – based Acc in road vehicles. 66
1- توصیف سیستم پیگیری خط:66
2-شناخت وردیابی ماشین:67
سیستم حمل و نقل هوشمند. 69
تاریخچه ی ITS :70
تکنولوژیهای سیستمهای حمل ونقل هوشمند. 71
Wireless communications. 72
Longer range:73
Computational technologies. 74
Floating Car Data:75
Sensing technologies:76
سنسور:76
Inductive loop detection. 78
Video vehicle detection. 78
Intelligent transportation applications. 79
مشکلات روشها84
مراجع. 85
نقشه برداری و دوربین GPS
اگر بخواهیم در مورد کلمه نقشه به یک مفهوم و بیان عامیانه اما دقیق اشاره کنیم می توانیم این بیان را داشته باشیم که در همیشه تاریخ نقشه انسان ها را به تدبیر و تدبر و فکر عمیق دعوت نموده و قبل از هزینه کردن، حرکت کردن و جابجائی انسان را متوجه بررسی نمودن ابعاد مختلف کارش نموده است. نقشی که نقشه بازی می کند از جهت کاهش هزینه ها، بررسی همه جانبه، عدم اتلاف وقت، کاهش خطا و اشتباه، نقش برجسته و ویژه ای است.
حال بپردازیم به رشته نقشه برداری، نقشه برداری علمی است که ریاضی عملی را با فنون اندازه گیری و هنر ترسیم توأم نموده و بوسیله آن قطعاتی از سطح زمین را با کلیه عوارض آن درروی صفحه افقی نمایش می دهد.
نیاز بشر به بهره مندی از منابع زیرزمینی، زمینی، دریایی و هوایی سبب شده تا برای استفاده کامل از این منابع و جلوگیری از هزینه به توسعه علم نقشه برداری بپردازد و نیاز که مادر اختراع است، موجب پیشرفت این رشته شده است.
اکنون به جایی رسیده ایم که انجام هر نوع فعالیت در زمینه های عمرانی، اقتصادی، کشاورزی و نظامی از قبیل احداث سدها، کانال ها، راه ها، نیروگاههای برق، عملیات نظامی وغیره بی نیاز از علوم نقشه برداری نیست.
عناوین دروس و مطالبی که دراین رشته مورد مطالعه قرار می گیرد عبارتند از محاسبات فنی مبانی و عملیات نقشه برداری، ترازیابی، برداشت نقشه، روش های تعیین موقعیت عملیات مساحی، فتوگرامتری مقدماتی، کاربرد رایانه در نقشه برداری و کار با استرئوسکوپ و کار با دستگاه GPS برای تعیین موقعیت ماهواره ای دوربین های نقشه برداری( توتال استیشن، دیستومات دیجیتال، تئودولیت وینوژ)
در گذشته، زمانی که تکنولوژی پیشرفته امروزی وجود نداشت، مردم وبخصوص اشخاصی مانند سیاحان، جهانگردان و ...گاهی اوقات در یک گستره جغرافیایی و بخصوص شهرها و کشورهای بیگانه، از مکان دقیق خود با خبر نبودند وحتی گاهی نیز در بیابانها ودریاها مسیر خود را گم می کردند، از سوی دیگر در دنیای قدیم، استفاده از ستارگان، قطب نما وسایر عوامل طبیعی تا اندازه ای راهگشای بشر بوده، ضمن اینکه همه این موارد،بطور کلی انسان عصر گذشته را مورد هدایت و راهنمایی قرار می داد، در حالیکه امروزه پیچیدگی های جغرافیایی، اعم از بافت شهر، خیابان، و... اصولا زمینه استفاده از اینگونه روشها را تا حد زیادی منتفی و بی معنا کرده است. به هر صورت در شرایط فعلی، با گسترش فناوری های گوناگون، این مشکل توسط یک سیستم ماهواره ای مدرن وپیشرفته، با نام و عبارت GPS( Global Position System )که به معنای سیستم موقعیت یاب جغرافیایی می باشد، رفع شده است. در حقیقت دنیای امروز،