آشكارسازي سريع و منعطف وسايل نقليه در رشته‌اي از تصاوير توسط شبكه‌هاي عميق

دوربين‌هاي مداربسته در مقايسه با GPS و حسگرهاي تشعشع مادون‌ قرمز، قادر به ارائه اطلاعات دقيق‌تر ترافيك هستند. با پردازش هوشمند اطلاعات تصويري فراهم‌شده توسط آنها تحليل مسائل ترافيكي دقيق‌تر انجام مي‌شود. در اين ميان، سرعت مكان‌يابي خودرو اهميت ويژه‌اي دارد؛ زيرا پس از موقعيت‌يابي خودرو نياز به پردازش‌هاي ديگري براي تصميم‌گيري است كه نياز به مديريت زمان دارد. هدف از مطالعه حاضر، ارائۀ الگوريتمي مبتني بر شبكه‌هاي عميق است كه اين چالش را برطرف سازد. در الگوريتم ارائه‌شده، يك شبكه‌ آشكارساز سريع و دقيق بر پايۀ ميدان‌هاي ادراكي چندگانه، قطعه‌بندي و تصاوير تفاضلي طراحي ‌شده است كه با توليد نقشه‌هاي ويژگي معنادار غربال‌شده، دقت آشكارساز و با كاهش پارامترها، سرعت آن را افزايش مي‌دهد. در الگوريتم ارائه‌شده، نوع مانور هر خودرو با توجه به اطلاعات زماني و مكاني آن خودرو و خودروهاي اطرافش با استفاده از گريدبندي جاده تعيين مي‌شود. سپس با توجه به نوع مانور، شبكه‌ پيش‌بيني‌كننده‌ را در يكي از حالات حفظ خط، گردش‌ به ‌چپ و گردش ‌به‌ راست خودرو انتخاب مي‌كند. شبكه‌هاي طراحي‌شده در الگوريتم پيشنهادي مكمل يكديگرند. عملكرد الگوريتم پيشنهادي با آزمايش بر روي مجموعه داده‌هاي Highway و UA-DETRAC نشان داده مي‌شود.