موسسه آموزش عالی آپادانا فصلنامه پژوهش های نوین در شهرهوشمند 2980-8936 2 2 2024 02 19 Intelligent Traffic Analysis of Urban Streets Using Image Processing Algorithms تحلیل هوشمند ترافیک معابر با استفاده از الگوریتم پردازش تصویر 6 18 10.22051/jera.2021.31891.2698 FA علی رئیس اداره فنی و پشتیبانی سازمان فناوری اطلاعات و ارتباطات شهرداری شیراز، ایران شیواالسادات استاد گروه HSE، دانشگاه علمی کاربردی مرکز فرهنگ و هنر فاضل، شیراز، ایران. 2023 12 23 Nowadays, with the increasing use of various discrete data acquisition methods such as drones and digital cameras, image processing has found wide application. However, video data alone cannot play a significant role in urban management decisions until they are transformed into statistical sequences. In this paper, a system for detecting the number of cars per unit length and time is presented. In this method, video data is converted into statistical sequences of traffic indicators. First, the images corresponding to each frame are modeled into background images based on the Gaussian mixture model, which are resistant to lighting changes. This operation is performed on a large number of frames to create a learned background image. In traditional traffic image processing methods, modeling the background image was not considered, and conversely, in the proposed method, this model is used to detect moving objects. Then, by comparing each input main frame with the learned background image, moving cars are detected. The information on the number of cars per unit length and time, which corresponds to the concepts of traffic volume and density, is used to estimate traffic flow. Based on the simulations performed and the comparison of the obtained results with other results from different studies, the high performance of the proposed method in car detection and accurate counting, considering proper background image training, is demonstrated. Moreover, this method can be used for processing low-quality images. امروزه با گسترش روزافزون روش‌های مختلف اخذ اطلاعات گسسته مانند پویشگرها و دوربین‌های دیجیتالی، پردازش تصویر کاربرد فراوانی یافته است. مادامی‌که اطلاعات ویدیویی به دنباله‌های آماری تبدیل نشوند، می‌توانند در تصمیمات مدیریت شهری، نقشی ایفا کنند. در این مقاله، یک سیستم آنالیز تشخیص تعداد خودروها در واحد طول و زمان ارائه شده است. در این روش، اطلاعات ویدیویی به دنباله‌های آماری شاخص‌های ترافیکی تبدیل می‌شوند. ابتدا، تصاویر مربوط به هر فریم، بر اساس مدل مخلوط گوسی به تصاویر پس‌زمینه مدل می‌شوند که در برابر تغییرات نور مقاوم هستند. این عملیات در تعداد زیادی فریم به کار گرفته می‌شود تا اصطلاحاً یک تصویر پس‌زمینه آموزش‌دیده‌‌شده ایجاد گردد. در روش‌های سنتی پردازش تصاویر ترافیکی، مدل کردن تصویر پس‌زمینه مورد توجه قرار نمی‌گرفت. بالعکس در روش ارائه‌شده، از این مدل جهت تشخیص شیء در حال حرکت استفاده می‌شود. سپس، با مقایسه تک‌تک فریم‌های اصلی ورودی به این سیستم و تصویر پس‌زمینه آموزش‌دیده‌‌شده، خودروهای در حال حرکت تشخیص داده می‌شوند. از اطلاعات تعداد خودروها در واحد طول و زمان که به ترتیب، به مفهوم حجم و چگالی ترافیکی است، جهت تخمین جریان ترافیکی استفاده می‌شود. با توجه به شبیه‌سازی‌های انجام‌شده و مقایسه نتایج به‌دست‌آمده با نتایج مقالات دیگر، عملکرد بالای روش ارائه‌شده در این مقاله، برای تشخیص خودرو و محاسبه دقیق تعداد آن، با توجه به آموزش صحیح تصاویر پس‌زمینه، اثبات می‌شود. همچنین، این روش را می‌توان برای پردازش تصاویر با کیفیت نامطلوب نیز استفاده کرد. /downloadfilepdf/254130