پاورپوینت زمان حقیقی تشخیص مانع بر اساس Constrained Delanay Triangulation در زمان حقیقی

  • Code: # 305

  • تعداد صفحات: 27
  • فرمت فایل: پاورپوینت - ورد
  • سال: مشخص نشده
  • مقطع: مشخص نشده
  • دسته بندی: دانشگاهی
قیمت: ۶,۵۰۰ تومان
دانلود فایل
  • خلاصه
  • فهرست و منابع
  • خلاصه پاورپوینت زمان حقیقی تشخیص مانع بر اساس Constrained Delanay Triangulation در زمان حقیقی

    ***3

    مقدمه

      دراین جا یک الگوریتم ردیاب و مسیریاب ماشینی با زمان حقیقی  برای عکس های ویدئویی ماشینی معرفی می کنیم.

     

     این ردیاب ماشینی با زمان حقیقی کاربردهای قابل استفاده ای دارد مثلا" برای همین سیستم اخطار دهنده تصادم رو در روی ماشین ها .

     

     ما از سیستم CDT برای گردآوری ویژگی های تصاویر استفاده می کنیم.  

     

    ***5

    اطلاعات مربوطه و روش پیشنهاد شده

        اگر بخواهیم در این روش ردیابی موانع از نظر کامپیوتری دقیق باشیم باید کلی اطلاعات و یا خصوصیات جمع اَوری کنیم.

     

     روشی که پیشنهاد می شود ، سیستمی است که بر اساس ظاهر است.

     

    ***6

    ردیابی ماشین در زمان حقیقی

     

    از خصوصیات مختصاتی ساده برای طبقه بندی ماشین استفاده می شود: تراکم  گوشه ها،تراکم خط های عمودی و افقی ودرجه انحراف ناحیه .

    در حقیقت ،این چهار خصلت به تنهایی یک طبقه بندی خوبی را ارائه می دهند.

  • فهرست و منابع پاورپوینت زمان حقیقی تشخیص مانع بر اساس Constrained Delanay Triangulation در زمان حقیقی

    فهرست:

    ندارد
     

    منبع:

    [1] D. G. Lowe, “Object recognition from local scale-invariant features,” in Proc. IEEE Intl. Conf. Computer Vision, 1999, pp. 1150–1157.

    [2] “Automotive collision avoidance system field operational test,” U.S.

    Department of Transportation, National Highway Traffic Safety Administration,Final Program Report DOT HS 809 886, 2005.

    [3] Z. Sun, G. Bebis, and R. Miller, “On-road vehicle detection: a review,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 28, no. 5, 2006

    [4] R. Fergus, P. Perona, and A. Zisserman, “Object class recognition by unsupervised scale-invariant learning,” in Proc. IEEE Conf. Computer Vision and Pattern Recognition, vol. 2, 2003, pp. 264–271.

    [5] R. Okada, Y. Taniguchi, K. Furukawa, and K. Onoguchi, “Obstacle

    detection using projective invariant and vanishing lines,” in Proc. IEEE

    Intl. Conf. Computer Vision, vol. 1, 2003, pp. 330–337.

    [6] Z. Sun, G. Bebis, and R. Miller, “On-road vehicle detection using

    evolutionary gabor filter optimization,” IEEE Trans. on Intelligent

    Transportation Systems, vol. 6, no. 2, 2005.

    [7] P. Viola and M. Jones, “Rapid real-time face detection,” International Journal of Computer Vision, vol. 57, no. 2, pp. 137–154, May 2004

    8] Q. Wu and Y. Yu, “Two-level image segmentation based on region and edge integration,” in Proc. VIIth Digital Image Computing: Techniques and Applications, 2003.

    [9] X. Ren, C. C. Fowlkes, and J. Malik, “Scale-invariant contour completion using conditional random fields,” in Proc. 10th Int’l. Conf.Computer Vision, 2005.

    [10] J. Canny, “A computational approach to edge detection,” IEEE Trans.Pattern Analysis and Machine Intelligence, vol. 8, pp. 679–698, 1986.

    [11] D. S. Guru, B. H. Shekar, and P. Nagabhushan, “A simple and robust line detection algorithm based on small eigenvalue analysis,” Pattern Recognition Letter, vol. 25, no. 1, pp. 1–13, 2004.

    [12] W. Forstner and E. Gulch, “A fast operator for detection and precise location of distinct points, corners, and centers of circular features,” in Proc. Intercommision Conf. on Fast Processing of Photogrammetric Data, 1987, pp. 281–305.

    [13] Z. Kim and R. Nevatia, “Expandable Bayesian networks for 3-d object descriptions from multiple views and multiple mode inputs,” IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 25, no. 6, pp. 769–774, 2003.

     

دانلود قالب آماده درسی دانشگاهی پاورپوینت زمان حقیقی تشخیص مانع بر اساس Constrained Delanay Triangulation در زمان حقیقی
  • ثبت سفارش
    عنوان محصول
    قیمت