{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK206",
        "title": "آشکارسازی و ردیابی تصویری وسایل نقلیه متحرک بر اساس روش‌های پیش‌بینی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1390",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK206",
        "title": "آشکارسازی و ردیابی تصویری وسایل نقلیه متحرک بر اساس روش‌های پیش‌بینی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1390,
        "authors": [
            {
                "name": "صالحه زهرودی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "امیدرضا معروضی",
                "role": "استاد راهنما"
            },
            {
                "name": "علیرضا احمدی فرد",
                "role": "استاد مشاور"
            }
        ],
        "keywords": [
            "ردیابی و شناسایی خودرو- کنترل هوشمند ترافیک- مدل ترکیبی گوسی- ماشین بردار پشتیبان- هیستوگرام گرادیان‌های جهتدار-  فیلتر کالمن- ردیابی فرضیات چندگانه"
        ],
        "abstract": "یکی از مهمترین حوزه‌های پژوهشی در سیستم‌های حمل و نقل هوشمند، توسعه سیستم‌هایی است که جریان ترافیک در تقاطع‌ها را بصورت اتوماتیک مشاهده و کنترل می‌کنند. این سیستم‌ها علاوه بر تحلیل جریان حرکتی، می‌بایست تمامی جزئیات حرکتی هر وسیله نقلیه مانند موقعیت و سرعت را ثبت نمایند.\r\nدر این پایان‌نامه روشی جدید برای به حداقل رساندن خطاهای ناشی از فرآیند شناسایی و ردیابی خودرو در صحنه‌های شلوغ همانند تقاطع‌ها و جاده‌های درون شهری که همپوشانی بین خودروها و پیچیدگی حرکات بیشتر از بزرگراه‌ها و جاده‌های برون شهری می‌باشد، ارائه شده است. در روش پیشنهادی بمنظور تشخیص وسایل نقلیه متحرک از روش مدل ترکیبی گوسی جهت استخراج اشیاء متحرک موجود در تصویر ورودی استفاده می‌شود و در ادامه برای حذف غیر‌خودرو از خودروهای شناسایی شده و همچنین تقویت خروجی مرحله تشخیص از روش ماشین‌ بردار پشتیبان، که به عنوان قوی‌ترین الگوریتم طبقه‌بندی مطرح می‌باشد استفاده خواهیم نمود. برای ورودی\r\nماشین بردار پشتیبان نیاز به بردار ویژگی‌ قدرتمندی برای تمایز خودرو از غیر‌خودرو داریم که نسبت به جهت و اندازه خودرو مستقل باشد. به همین منظور از توصیف‌گر هیستوگرام گرادیان‌های جهت‌دار (HOG ) استفاده می‌نماییم.\r\nبرای رفع مشکل همپوشانی خودروها، سیستمی جهت تشخیص همپوشانی پیشنهاد شده است که با استفاده از شکل ظاهری و مشخصات مورفولوژیکی خودروها، مکان همپوشانی را تشخیص داده و بمنظور جداسازی خودروهای داخل ناحیه همپوشانی، از یک مدل SVM که با استفاده از تصاویری با اندازه‌های گوناگون آموزش دیده‌است، استفاده می‌نماید. سپس خروجی این مرحله به واحد ردیابی که بر پایه فیلتر کالمن و الگوریتم ردیابی فرضیات چندگانه  استوار است وارد خواهد شد.  \r\nسیستم پیشنهادی ما می‌تواند، مشکلاتی از قبیل همپوشانی جزئی و تشخیص خودروها در صحنه‌های پیچیده را برطرف نماید. پیاده سازی ها با استفاده از پایگاه داده‌های مختلف در شرایط گوناگون جوی از تقاطع‌ها، مورد بررسی قرار گرفته است. خروجی نهایی سیستم فوق عملکرد مناسبی را با میانگین درصد تشخیص 9/76 % ارائه داده است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK206.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}