مقاله الگوريتم رديابي خودرو مبتني بر ويژگي

رديابي خودرو يكي از چالش هاي مهم در سيستم هاي حمل و نقل هوشمند جهت تخمين موقعيت خودرو در قاب بعدي از يك دنباله متوالي تصاوير از ويدئوهاي نظارتي است.در اين مقاله ، يك الگوريتم تخمين زننده ويژگي (Kanade-Lucas_Tomasi (KLT گسترش يافته است.دراين الگوريتم ، براي جايگزيني خودروها با ويژگي هاي رديابي شده،يك الگوريتم گروه بندي دو مرحله اي سلسله مراتبي ادغام و تقسيم پيشنهاد ميشود.در الگوريتم گروه بندي پيشنهادي با تعريف معيارهايي همچون معيارهاي فاصله ،گستردگي و همچنين آناليز حباب نتايج گروه بندي اوليه حاصل شده از الگوريتم خوشه بندي K-means اصلاح ميشود.علاوه بر اين ،جهت تصحيح عملكرد تخمين زننده ويژگي KLT و همچنين استفاده مناسب تر از نتايج گروه بندي الگوريتم پيشنهادي ،يك الگوريتم كارامد تطبيق گروه هاي ويژگي بر اساس نقشه ادغام و تقسيم جهت تطبيق گروه ويژگي هاي رديابي شده از يك قاب به قاب بعد پيشنهاد ميشود.در اين الگوريتم تطبيق سعي شده است كه با استفاده از ويژگي هاي منطبق شده بين دو قاب ، خودروهاي متناظر در آن دو قاب به درستي تطبيق داده شوند.الگوريتم رديابي پيشنهادي بر روي ويدئوهاي آزمايشي متفاوتي با شرايط نور پردازي متفاوت همچون روز ، شب و وجود سايه ارزيابي ميشود.نتايج حاصل نشان ميدهد كه الگوريتم رديابي پيشنهادي اكثر چالش هاي مهم رديابي خودرو در كاربردهاي عملياتي سامانه هاي حمل و نقل هوشمند را پوشش ميدهد .