@article { author = {Alavianmehr, Mohammad Ali and Pakfetrat, Alireza and Sodagaran, Amir}, title = {New intelligence system for automatically detecting vehicles with automated image processing of video surveillance cameras.}, journal = {Modern Urban Management}, volume = {3}, number = {10}, pages = {1-23}, year = {2015}, publisher = {}, issn = {2383-1820}, eissn = {}, doi = {}, abstract = {Today, intelligent traffic control systems are so important that they are used to improve the traffic flow of vehicles in the metropolitan areas of the world. In this regard, image processing has been introduced as a new way of analyzing video images of traffic surveillance cameras. In the present article, a new method for extracting information such as the speed and route of moving vehicles is presented to see if they violated traffic laws. To this end, a collection of video frames has been extracted for the first time to initialize the background for background segments based on the Gaussian mix model strategy. Subsequently, moving objects are identified in the rest of the video stream frames with respect to the detection of the same object over time. In this regard, the Munch algorithm, a revised version of Hungarian algorithm 2, is used to track traceability for identifying moving objects. After extracting information such as the path and velocity of moving objects, this information is analyzed and violations of traffic rules are automatically identified and extracted. The results of the implementation of the experimental version of the proposed method, indicating high quality and feasibility Even for video images, it's based on precise and stable calibration static traffic control cameras.}, keywords = {Gaussian mix model,Kalman Filter,Hungarian Algorithm,Intelligent Transport System,Munch's Algorithm}, title_fa = {سامانة هوشمندی نوین برای تشخیص خودکار وسایل نقلیةمتخلف به کمک پردازش خودکار تصاویر دوربین‌های نظارت تصویری}, abstract_fa = {امروزه سامانه‌های هوشمند کنترل ترافیک آن‌چنان اهمیت دارند که برای بهبود روند عبور و مرور وسایل نقلیه در کلان شهرهای بزرگ دنیا از آن‌ها استفاده می‌شود. در همین راستا، پردازش تصویر به عنوان شیوه‌ای نوین برای تجزیه و تحلیل تصاویر ویدیویی دوربین‌های نظارت ترافیکی معرفی شده‌اند. در مقالة حاضر، یک روش جدید برای استخراج اطلاعاتی مانند سرعت و مسیر از وسایل نقلیه در حال حرکت ارائه شده است تا مشاهده شود که آیا قوانین ترافیکی را نقض کرده‌اند یا خیر. به این منظور برای اولین بار مجموعه‌ای از فریم‌های ویدئویی استخراج شده‌اند تا مقداردهی اولیه پیش زمینه برای تفکیک پس زمینه بر اساس استراتژی مدل مخلوط گاوسی انجام پذیرد. پس از آن اشیاء متحرک در بقیه فریم‌های جریان‌های ویدئویی با توجه به تشخیص مربوط به همان جسم در طول زمان شناسایی می‌شوند. در همین راستا از الگوریتم مونک[1] که نسخة بهبود یافتة الگوریتم مجارستانی2 است، استفاده شده تا پیش‌بینی‌های ردیابی برای شناسایی اشیاء در حال حرکت انجام شود. پس از استخراج اطلاعاتی هم‌چون مسیر و سرعت اجسام در حال حرکت، این اطلاعات تجزیه و تحلیل شده و موارد نقض قوانین ترافیکی به شکل خودکار شناسایی و استخراج می‌شوند.نتایج مربوط به اجرای نسخة آزمایشی روش ارائه شده، نشان دهندة کیفیت بالا و امکان سنجی آن حتی برای تصاویر ویدیویی برخط از دوربین‌‌های کنترل ترافیک استاتیک با کالیبراسیون دقیق و ثابت است.  }, keywords_fa = {مدل مخلوط گوسی,فیلتر کالمن,الگوریتم مجارستانی,سیستم هوشمند حمل و نقل,الگوریتم مونک}, url = {https://journal.shiraz.ir/article_81304.html}, eprint = {https://journal.shiraz.ir/article_81304_ed1ddd92af7f7df8075c3fe5e80b5e85.pdf} }