فهرست مطالب
عنوان    صفحه
 
فهرست مطالب    ‌د
فهرست شکل‌‌ها    ‌ز
فهرست جدول‌ها    ‌ي
فهرست  معادلات و  روابط    ‌ك
چکیده                1
فصل 1- مقدمه    3
1-1- پیشگفتار    3
فصل 2- انواع سنسور های مورد استفاده در سیستم های مدیریت ترافیک    8
2-1- مقدمه    9
2-2- سنسورهاي دفني    12
2-2-1- لوله هاي بادي    12
2-2-2- آشكار سازهاي حلقه القايي    13
2-2-3- سنسورهاي پيزوالكتريك    15
2-2-4- سنسورهاي مغناطيسي    17
2-2-5- توزين در حركت    19
2-2-6- صفحه خمشي    20
2-2-7- سلول بار    21
2-2-8- سنسورهاي غير دفني    22
2-2-9- پردازنده تصاوير ويديويي    22
2-2-10- سنسورهاي مادون قرمز    31
2-2-11- سنسورهاي آلتراسونيك    35
فصل 3- مروري بر روشهای استخراج پارامترهای ترافیکی بااستفاده از پردازش ویدئویی    37
3-1- مقدمه    38
3-2- روش های موجود در تشخیص اشیاء    39
3-2-1- تشخيص از روي مدل هندسي آن    39
3-2-2- روش رديابي لبه براي تشخيص شي    40
3-2-3- روش مبتني بر عمق تصوير، به کمک چند تصوير از شي    40
3-2-4- استفاده از الگوريتم هاي شبکه هاي عصبي    42
3-2-5- تشخيص شي از روي حرکت آن    44
3-3- رديابي حباب    55
3-4- رديابي پيرامون فعال    61
3-5- رديابي بر اساس مدل سه بعدي    63
3-6- رديابي ميدان تصادفي ماركوف    66
3-7- رديابي بر اساس مشخصه    68
3-8- رديابي بر اساس شار نوري    71
فصل 4- فصل چهارم: الگوریتم پیشنهادی برای ردیابی حباب    73
4-1- مقدمه    74
4-2- کلیات الگوریتم:    76
4-3- پایگاه داده تصاویر ویدئویی    78
4-4- بدست آوردن تصویر پس‌زمینه    80
4-5- بدست آوردن تصویر پییش‌زمینه    86
4-6- استفاده از عملگرهای شکل‌شناسی    89
4-7- پردازش حباب‌‌ها    90
4-7-1- برچسب‌گذاری اولیه حباب‌ها    90
4-7-2- استخراج مشخصات مربوط به هریک از حباب‌ها    91
4-7-3- جداسازی حباب‌ها براساس مشخصات آنها    92
4-8- کالیبراسیون    95
4-9- ردیابی حباب‌ها    100
4-10- استخراج پارامترهای حرکتی و ترافیکی    102
4-11- الگوریتم های شمارش    103
4-11-1- روش‌هایی که وابستگی به ردیابی ندارند    103
4-11-2- روش‌هایی که بر اساس ردیابی عمل می‌کنند    105
4-12- الگوریتم پیشنهادی    105
4-12-1- استخراج نمودارهای بافت‌نگار    106
4-12-2- بدست آوردن اطلاعات بافت‌نگار در طول زمان    107
4-12-3- اطلاعات موجود در نمودارهای دو بعدی و سه‌بعدی به دست آمده    114
4-12-4- شمارش خودروها با استفاده از نمودار سطح زیرمنحنی بافت‌نگارها در طول زمان    114
4-12-5- شمارش خودروها با استفاده از نمودار سه‌بعدی بافت‌نگارها در طول زمان    116
4-12-6- شمارش خودرو‌ها با استفاده از کانتور بافت‌نگارها در طول زمان    116
4-12-7- شمارش خودروها با استفاده از اطلاعات دوبعدی اصلاح شده توسط اعمال قوانین شکل‌شناسی    119
4-12-8- جمعبندی الگوریتم پیشنهادی    121
4-13- نتایج آزمایشات    122
4-13-1- شمارش بدون استفاده از ردیابی حباب‌ها    122
4-13-2- شمارش با استفاده از ردیابی حباب‌ها    123
4-13-3- شمارش با استفاده از اطلاعات دوبعدی بدست آمده از ردیابی حباب‌ها    123
4-13-4- شمارش با استفاده از اطلاعات دوبعدی اصلاح شده توسط اعمال قوانین شکل‌شناسی    124
جمعبندی و پیشنهادات    125
فهرست مراجع    126
 
فهرست شکل‌‌ها
عنوان    صفحه
(شکل ‏2 1) حالتهای مختلف نصب لوله بادی    13
(شکل ‏2 2) اجزاء اساسي يك آشكارساز حلقه القايي    15
(شکل ‏2 3) سنسور پيزوالكتريك ويبراكوكس    16
(شکل ‏2 4)  توزيع ميدان مغناطيسي زمين در حين ورود و عبور خودرو در ناحبه تشخيص سنسور مغناطيسي    19
(شکل ‏2 5) سنسور صفحه خمشي    21
(شکل ‏2 6) بلوك دياگرام پردازش تصوير براي تشخيص، طبقه بندي، و رديابي خودرو    24
(شکل ‏2 7) چند نمونه از سنسورهاي رادار مايكروويو    30
(شکل ‏2 8) نمونههايي از سنسورهاي رادار ليزر    32
(شکل ‏2 9) نمونههايي از سنسورهاي مادون قرمز فعال قابل حمل    32
(شکل ‏2 10) سنسور غير فعال ELTEC 842    33
(شکل ‏2 11) وضعيت چند ناحيه تشخيص در يك سنسور مادون قرمز غير فعال    34
(شکل ‏2 12) سنسور آلتراسونیک مدل TC-30C    36
(شکل ‏2 13) نحوه قرارگیری سنسورهای آلتراسونیک    36
(شکل ‏3 1) نمونه تصویری باری تشخیص از روی مدل هندسی    39
(شکل ‏3 2): روش مبتني بر عمق تصوير    42
(شکل ‏3 3): الف- تصوير اصلي ب- تصوير طبقه بندي شده که با سه رنگ مختلف نمايش داده شده است    43
(شکل ‏3 4)    47
(شکل ‏3 5)    48
(شکل ‏3 6) چگالي رنگ مربوط به يک پيکسل تقريبا ثابت در صد فريم متوالي    50
(شکل ‏3 7) چگالي رنگ مربوط به يک پيکسل با کمي تغييرات، در صد فريم متوالي    50
(شکل ‏3 8)    51
(شکل ‏3 9 )الگوريتم جريان داده حلقه داخلي [22]    56
(شکل ‏3 10): سمت چپ:تصاویر معمولی- سمت راست بالاو وسط: لبه های Sobel  در تصویر اختلاف-سمت راست پایین: تصویر لبه های متحرک    57
(شکل ‏3 11)پیرامون فعال بسته (تعداد 7 Snaxel)    62
(شکل ‏3 12)    64
(شکل ‏3 13) تشخیص خودرو[36]    66
(شکل ‏3 14) نتايج رديابي با استفاده از ميدان تصادفي زماني-مكاني ماركوف [34]    68
(شکل ‏3 15) نمونه اي از رديابي بر اساس مشخصه براي دو خودرو[35]    69
(شکل ‏3 16) مشخصه هاي گروه بندي شده بر اساس حركت[35]    70
(شکل ‏4 1) بلوک دیاگرام کلی الگوریتم ردیابی حباب    77
(شکل ‏4 2) نمونه‌هایی ازتصاویر مکان‌های تصویر‌برداری شده برای ایجاد پایگاه داده    78
(شکل ‏4 3) چگونگی دریافت و به کارگیری تصاویر به صورت برخط    79
(شکل ‏4 4) چگونگی دریافت و به کارگیری تصاویر به صورت برون خطی    80
(شکل ‏4 5) نمونه‌هایی از تخمین تصویر پس زمینه بااستفاده از روش غیر بازگشتی فیلترمیانه برای 5 تصویر ویدئویی    83
(شکل ‏4 6) نمونه‌از تخمین نامناسب تصویر پس‌زمینه به صورت برخط به علت نامناسب بودن تعداد تک‌تصویرهای بافر در یک دوره زمان خاص    85
(شکل ‏4 7) تصویر حاوی اطلاعات مربوط به خودروهای متحرک    86
(شکل ‏4 8)نمایش نمودار بافت‌نگار برای تصاویر حاصل از دو روش تفریق یکطرفه و دوطرفه    87
(شکل ‏4 9)تصاویر دودویی سمت راست حاصل از اعمال آستانه بر روی تصاویر سمت چپ    88
(شکل ‏4 10) نمایش بلوک‌دیگرام مراحل اعمال عملگرهای شکل شناسی    89
(شکل ‏4 11) نمایش نتایج  اعمال عملگرهای شکل شناسی در هریک از مراحل    90
(شکل ‏4 12) نمونه‌ای از یرچسب‌گذاری اولیه برای‌ حباب‌ها    91
(شکل ‏4 13 ) نحوه ضرب بردارهای منطقی جهت حذف حباب‌ها    93
(شکل ‏4 14)بلوک دیاگرام جداسازی حباب‌هایی که شرایط مورد نظر را  احراز می‌کنند    94
(شکل ‏4 15)تصاویر ماهواره‌ای مربوط به یکی از محل‌های فیلم‌برداری    96
(شکل ‏4 16)  انتخاب عرض اتوبان به عنوان ثابت کالیبراسیون    97
(شکل ‏4 17) قاط کالیبراسیون برای بیش از 10 طول مختصات    98
(شکل ‏4 18) مقایسه نسبت پیکسل بر متر برای مقادیر واقعی و تخمینی در نقاط کالیبراسیون    99
(‏شکل ‏4 19) ضرایب پیکسل بر متر تخمینی به ازای مختصات طولی تمام نقاط مورد بررسی درتصویر    99
(شکل ‏4 20)بلوک دیاگرام ردیابی حباب‌ها    100
(شکل ‏4 21) بلوک‌دیاگرام روش شمارش حباب‌ها    103
(شکل ‏4 22) بلوک دیاگرام شمارش حباب به وسیله فراوانی نقاط لبه در نوار مشخصه    104
(شکل ‏4 23) بلوک دیاگرام چگونگی استفادهاز اطلاعات ردیابی در شمارش    105
(شکل ‏4 24) نوار باریک مشخصه جهت شمارش با استفاده از اطلاعات ردیابی در ویدئوهای مختلف    106
(شکل ‏4 25) ننمایش چگونگی تشکیل نمودارهای بافت نگار    107
(شکل ‏4 26) محل قرارگیری نوار  باریک ویدئو به طول 700 تک‌تصویر    109
(شکل ‏4 27) نمودار سطح زیر منحنی بافت نگار در طول 700 تک‌تصویر برای 4 برچسب    109
(شکل ‏4 28) نمودار سطح تشکیل شده از بافت نگارها برای 4 برچسب در طول 700 تک‌تصویر    110
(شکل ‏4 29) نمودار کانتور تشکیل شده از دامنه بافت نگارها برای 4 برچسب  در طول 700 تک‌تصویر    110
(شکل ‏4 30) محل قرارگیری نوار  باریک ویدئو به طول 700 تک‌تصویر    111
(شکل ‏4 31) نمودار سطح زیر منحنی بافت نگار در طول 700 تک‌تصویر برای 5 برچسب    111
(شکل ‏4 32) نمودار سطح تشکیل شده از بافت نگارها برای 5  برچسب در طول 700 تک‌تصویر    112
(شکل ‏4 33) نمودار کانتور تشکیل شده از دامنه بافت نگارها برای 4 برچسب  در طول 700 تک‌تصویر    113
(شکل ‏4 34)نمودار سطح زیر منحنی در طول زمان    115
(شکل ‏4 35)نتایج حاصل از اعمال فیلتر گوسی بر روی نمودار    115
(شکل ‏4 36) نمونه‌ای از کانتور نمودارهای بافت نگار مربوط به برچسب شماره یک در یکی از ویدئوها    116
(شکل ‏4 37) تصویر خاکستری بدست آمده از حذف مولفه‌های رنگی نمودار اصلی کانتور    117
(شکل ‏4 38) تصویر دودویی حاوی شکل‌های بسته‌ی بدست آمده از اعمال آستانه به اندازه بیرونی ترین خطوط کانتور خاکستری    117
(شکل ‏4 39) تصویر دودویی که از پر کردن حفره‌های شکل‌های بسته بدست آمده است    118
(شکل ‏4 40) نتایج شمارش شکل‌های بسته    118
(شکل ‏4 41) بلوک دیاگرام نحوه اعمال شرایط و قوانین بر روی تصاویر بدست آمده از اطلاعات بافت‌نگار    120
(شکل ‏4 42) نمایش حذف بخش‌های بسته مربوط به شکل (الف) د ر شکل (ب) با اعمال شرایط و قوانین تعیین شده و شمارش نهایی در شکل (پ)    120
 
فهرست جدول‌ها
عنوان    صفحه
(جدول ‏2 1) مقایسه بین انواع سنسورها    10
(جدول ‏2 2) مقايسه قرار گرفتن دوربين از روبه‌رو و پشت‌سر    27
(جدول ‏3 1)    43
(جدول ‏4 1)اطلاعات استخراج شده برای حباب‌ها    93
(جدول ‏4 2) اطلاعات کالیبراسیون و تخمین ضریب مقیاس    98
(جدول ‏4 3) نتایج پیاده‌سازی الگوریتم شمارش خودرو بدون استفاده از ردیابی برای 5 ویدئوی مختلف    122
(جدول ‏4 4) نتایج پیاده‌سازی الگوریتم شمارش با استفاده از ردیابی حباب برای 5 ویدئوی مختلف    123
(جدول ‏4 5) نتایج پیاده سازی الگوریتم شمارش با استفاده از اطلاعات دوبعدی بدست آمده از ردیابی حباب‌ها    123
(جدول ‏4 6)نتایج پیاده‌سازی الگوریتم شمارش با استفاده از اطلاعات دوبعدی اصلاح شده توسط اعمال قوانین شکل‌شناسی در 5 ویدئوی مختلف جدول    124
 
 
 
 
 
 
 
 
 
 
 
 
 
 
فهرست  معادلات و  روابط
عنوان    صفحه
 
( ‏3 1)              49
( ‏3 2)              49
( ‏3 3)              49
( ‏3 4)              51
( ‏3 5)          51
( ‏3 6)               51
( ‏3 7)             51
( ‏3 8)              52
( ‏3 9)             53
( ‏3 10)             53
( ‏3 11)    53
( ‏3 12)            53
( ‏3 13)              53
 
چکیده
نظارت بر محیط، بدون واسطه انسان یکی از نیازهای بشر امروز است. با اینکه بیش از چند دهه از معرفی روش¬های نظارت اتوماتیک نمیگذرد ولی امروزه کاربرد بسیار زیادی پیدا کردهاند. یکی ازمهمترین کاربردهای آن نظارت ترافیک میباشد. در سیستم های نظارت ترافیکی از سنسورها و ابزار های مختلفی استفاده میشود. استفاده از دوربین های ویدئویی، روشی است که میتوان به کمک آن اطلاعات ترافیکی مورد نیاز را از تصاویر استخراج کرد.
جهت پردازش تصاویر ویدئویی برای تشخیص و ردیابی خودروها و در نهایت نظارت اتوماتیک در ترافیک روشهایی ارائه شده است که هرکدام با توجه به کارایی مورد نظر، از الگوریتم های مختلف بینایی ماشین استفاده می کنند. برخی از این روش ها ردیابی بر اساس مدلهای سهبعدی و برخی دیگر بر اساس ردیابی نواحی متحرک در تصویر یا نقاط مشخصه هستند.
در این پایان نامه روشی جدید جهت استخراج پارامترهای حرکتی و ترافیکی با استفاده از تشخیص و ردیابی خودروهای متحرک ارائه شده است. روش پیشنهادی بر اساس ردیابی حباب بوده و به منظور ردیابی هرچه دقیقتر خودروها از بافت نگارهای عرضی (در هر فریم) و طولی (درچند فریم متوالی) فراوانی مشخصات لبه های استخراج شده خودروها در نوارهای مشخص شده و همچنین اثر¬دهی اطلات رنگ، رشد پیکسلی،سرعت و تخمین مکانی خودروها استفاده شده است. درمرحله نخست، با استفاده از تصاویر از پیش ضبط شده ازمکان¬های مورد نظر کالیبراسیون انجام می¬شود. هدف ازم انجام کالیبراسیون در این روش بدست آوردن نسبت هرپیکسل به اندازه واقعی آن بر حسب متر در تمام نقاط تصویر می¬باشد، که به کمک روش تقریبی تخمین زده می¬شود. در مرحله بعدی تخمین پس زمینه برای جداسازی خوردروهای متحرک از تصویر و در نهایت استخراج حباب¬ها  که هرکدام نمایانگر یک خودرو متحرک می¬باشد انجام می¬شود. جهت ردیابی حباب ها در تصویر جاری از یک ماتریس m در n که درآن n تعداد حباب های ردیابی شده و m تعداد مشخصه¬هایی از قبیل مختصات مکانی، ابعاد، رنگ، سرعت، مکان تخمینی در تصویر بعدی