چکیده مقاله
با توسعه سامانه های حمل ونقل هوشمند و خودروهای خودران، تشخیص و ردیابی دقیق عابران پیاده و علائم راهنمایی و رانندگی به یکی از مهم ترین چالش های حوزه بینایی ماشین تبدیل شده است محیط های شهری پیچیده، تغییرات نور، شرایط نامساعد جوی، انسداد اهداف و تراکم ترافیکی موجب کاهش عملکرد مدل های سنتی می شوند هدف این پژوهش ارائه یک چارچوب هوشمند چندوظیفه ای مبتنی بر YOLOv۹ و DeepSORT برای تشخیص، ردیابی و تحلیل رفتار عابران پیاده و علائم راهنمایی و رانندگی در ویدئوهای ترافیکی است در معماری پیشنهادی، از ماژول های CAM، AFF و AKConv جهت بهبود استخراج ویژگی های چندمقیاسی و افزایش دقت تشخیص استفاده می شود همچنین الگوریتم DeepSORT برای ردیابی چندهدفه و تحلیل مسیر حرکت عابران به کار گرفته می شود انتظار می رود چارچوب پیشنهادی ضمن افزایش دقت تشخیص و ردیابی، قابلیت پیش بینی رفتار عابران و ارزیابی خطر برخورد را نیز فراهم سازد نتایج این پژوهش می تواند در توسعه خودروهای خودران، سامانه های نظارت شهری و مدیریت هوشمند ترافیک مورد استفاده قرار گیرد
کلیدواژهها
نویسندگان
امیر بهادر بیات
۱ کارشناسی ارشد، مهندسی برق- الکترونیک، تهران، ایران
امیر بهادر بیات
۱ کارشناسی ارشد، مهندسی برق الکترونیک، تهران، ایران
شیوه ارجاع
�یات، امیر بهادر،1405،طراحی یک چارچوب هوشمند چندوظیفه ای مبتنی بر YOLOv۹ و DeepSORT برای تشخیص، ردیابی و تحلیل رفتار عابران پیاده و علائم راهنمایی و رانندگی در ویدئوهای ترافیکی،سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات سی و یکمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک30 تیر 1405 · شیروان