کارابرن عزیز، مقالات isi بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi انتخاب گردیده اند. همچنین تمامی ترجمه ها دارای ضمانت کیفیت بوده و در صورت عدم رضایت کاربر مبلغ عینا عودت داده خواهد شد.
از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود
سال انتشار:
2016
ترجمه فارسی عنوان مقاله:
آشکارسازی و دستهبندی اشیا متحرک با استفاده از روش عصبی – فازی
عنوان انگلیسی مقاله:
Moving Object Detection and Classification Using Neuro-Fuzzy Approach
منبع:
International Journal of Multimedia and Ubiquitous Engineering Vol.11, No.4 (2016)
نویسنده:
M. Mustafah. 1. , A. A. Shafie. 1. , N. A. Zainuddin
چکیده انگلیسی:
Public surveillance monitoring is rapidly finding its way into Intelligent Surveillance
System. Street crime is increasing in recent years, which has demanded more reliable and
intelligent public surveillance system. In this paper, the ability and the accuracy of an
Adaptive Neuro-Fuzzy Inference System (ANFIS) was investigated for the classification of
moving objects for street scene applications. The goal of this paper is to classify the
moving objects prior to its communal attributes that emphasize on three major processes
which are object detection, discriminative feature extraction, and classification of the
target. The intended surveillance application would focus on street scene, therefore the
target classes of interest are pedestrian, motorcyclist, and car. The adaptive network
based on Neuro-fuzzy was independently developed for three output parameters, each of
which constitute of three inputs and 27 Sugeno-rules. Extensive experimentation on
significant features has been performed and the evaluation performance analysis has
been quantitatively conducted on three street scene dataset, which differ in terms of
background complexity. Experimental results over a public dataset and our own dataset
demonstrate that the proposed technique achieves the performance of 93.1% correct
classification for street scene with moving objects, with compared to the solely
approaches of neural network or fuzzy.
Keywords: Moving object detection | neural fuzzy systems | object classification | street crime | visual surveillance
چکیده فارسی:
فرابینی مراقبت عمومی به سرعت به سمت بهرهگیری از سیستم مراقبت هوشمند به پیش میرود. جرایم خیابانی در سالها اخیر رو به افزایش است که این امر نیاز به استفاده از یک سیستم مراقبت عمومی هوشمند و مطمئنتر را مقتضی ساخته است. در این مقاله، توانایی و دقت یک سیستم استنتاج عصبی – فازی سازگار (ANFIS) جهت دستهبندی اشیا متحرک برای استفاده در صحنههای خیابان مورد بررسی قرار گرفته است. در این مقاله سعی میشود دستهبندی اشیا متحرک قبل از ارائه ویژگیهای گروهی آنها صورت گیرد که این ویژگیها نیز بر سه فرآیند عمده شامل آشکارسازی اشیا، استخراج ویژگی متمایز کننده و دستهبندی هدف مورد نظر تأکید مینماید. برنامه کاربردی مراقبتی مورد نظر بر صحنه خیابانی متمرکز خواهد بود، از این رو، دستههای هدف مورد نظر را عابر پیاده، موتورسوار و خودرو تشکیل میدهند. شبکه سازگار مبتنی بر سیستم عصبی – فازی به طور جداگانه برای سه پارامتر خروجی طراحی گردیده است که هر یک از آنها از 3 ورودی و 27 قاعده سوگنو تشکیل میشوند. علاوه بر این، آزمایش وسیعی روی ویژگیهای مهم انجام شده است و تجزیه و تحلیل عملکرد ارزیابی به لحاظ کمی در سه پایگاه داده صحنههای خیابانی اجرا شده است که بر حسب پیچیدگی پسزمینه فرق میکند. نتایج آزمایشی مربوط به پایگاه دادههای عمومی و پایگاه دادههای شخصی ما اثبات مینماید که روش پیشنهادی در مقایسه با روشهای شبکه عصبی یا فازی صرف به عملکرد 1/93 درصدی در دستهبندی صحیح صحنه خیابانی با اشیا متحرک دست مییابد.
واژگان کلیدی: آشکارسازی اشیا متحرک | سیستمهای عصبی – فازی | دستهبندی اشیا | جرایم خیابانی | مراقبت بصری
حجم فایل: 604 کیلوبایت
قیمت: 35000 تومان 28000 تومان(20% تخفیف)
توضیحات اضافی:
تعداد نظرات : 0