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:

---

---

---