چكيده
افزايش روزافزون شبكه‌هاي جادهاي و شهري معاصر در طول سه دهه‌ي گذشته نيازمند نظارت و مديريت كارآمد ترافيك جادهاي است به همين دليل تحليل صحنه‌هاي ترافيكي و تشخيص خودروها از جهات بسياري داراي اهميت است و مي‌توان براي آن كاربردهاي مختلفي در سيستم‌هاي حمل و نقل هوشمند از جمله كنترل ترافيك و ايجاد سيستم‌هاي همكار راننده با هدف كاهش سوانح ترافيكي نام برد.
هدف ما بررسي يك سيستم نظارت ترافيكي است كه مكان‌يابي و رديابي خودروها را در بصورت بلادرنگ و همزمان انجام مي‌دهد.
در اين پايان‌نامه به پياده‌سازي شبكه هاي شناسايي معروف پرداخته شده است. اين شبكه ها تنها در مكان‌ها و اندازه‌هاي مشخص دنبال اجسام مي‌گردند. اين مكان‌ها و اندازه‌ها به گونه‌ي انتخاب مي‌شوند تا بيش‌تر حالات ممكن را پوشش دهند. الگوريتم‌هاي اين گروه معمولا عكس را به چند بخش با اندازه‌ي مشخص تقسيم مي‌كنند. سپس در نظر مي‌گيرند كه در هر بخش، تعداد مشخصي اجسام با اشكال و اندازه‌هاي از پيش تعيين شده وجود دارد. لايه هاي ابتدايي اين شبكه ها براي استخراج ويژگي به كار مي رود و خروجي نهايي نيز شامل كلاس و مكان هر شي در تصوير است. اين الگوريتمها را روش تك مرحله اي نيز ناميده مي‌شوند. آنها به الگوريتم رديابي داده مي‌شود الگوريتم رديابي سعي مي‌‌كند با توجه به اختلاف مكاني بين خودرو‌هاي شناسايي شده در فريم فعلي و فريم قبلي به خودرو يك شناسه يكتا تا زمانيكه خودرو از محدوده دوربين خارج مي‌شود اختصاص دهد.
ما سه شبكه شناسايي و يك الگوريتم رديابي مورد را بررسي و ميزان دقت آنها را ارائه كرده‌ايم دقت شناسايي تمامي آنها بالاي 80 درصد و دقت رديابي نزديك به 30 درصد همانطور كه مشخص است الگوريتم ها از نظر دقت بر يكديگر برتري ندارد و مي توان از هريك از آنها را به عنوان يك سيستم نظارت ترافيكي مورد استفاده قرار داد.
واژه‌هاي كليدي: شناسايي و رديابي اشياء, نظارت هوشمند, كنترل ترافيك.
