সিসিডি শিল্প ক্যামেরার প্রয়োগ

ল্যানের একটি নির্দিষ্ট অংশে একটি ম্যাট্রিক্সের মত নমুনা পয়েন্ট নির্বাচন করুন। যখন একটি যানবাহন পাস করে, নমুনা পয়েন্টের ধূসর স্তরের মান মূল রাস্তার পৃষ্ঠের থেকে ভিন্ন।যদি দুইটির মধ্যে বিয়োগের পরিসংখ্যানগত মান একটি নির্দিষ্ট সীমা অতিক্রম করে, এটি গাড়ির উপস্থিতি নির্দেশ করে।

এই পদ্ধতিতে পিক্সেল সমন্বয়ে গঠিত ভার্চুয়াল সনাক্তকরণ লাইনগুলি উল্লম্ব বা সমান্তরাল ট্র্যাফিক প্রবাহের দিকে স্থাপন করা হয়, যেমন চিত্র ২-এ দেখানো হয়েছে।এটি সাধারণত রাস্তার পৃষ্ঠের পিক্সেল গভীরতা এবং সনাক্তকরণ লাইনের বিচ্ছেদ সহজ করার জন্য উজ্জ্বল দাগ দিয়ে গঠিত হয়যখন কোনও যানবাহন সনাক্তকরণ লাইন অতিক্রম করে, তখন লাইনটির ধূসর স্তরের মানটি কোনও যানবাহন রাস্তা অতিক্রম না করার সময় থেকে আলাদা হয়;যদি ধূসর স্তরের মানের পার্থক্য একটি নির্দিষ্ট থ্রেশহোল্ডের চেয়ে বেশি হয়যেহেতু নমুনা পয়েন্ট বা সনাক্তকরণ লাইন সনাক্তকরণ পদ্ধতি শুধুমাত্র প্রক্রিয়াজাতকরণের জন্য পিক্সেল ডেটা একটি অংশ ক্যাপচার করে,প্রক্রিয়াকৃত তথ্যের পরিমাণ উল্লেখযোগ্যভাবে হ্রাস পায়, তাই গণনার সময় অনেক সংক্ষিপ্ত করা হয়। রিয়েল টাইম সনাক্তকরণের প্রয়োজনীয়তা পূরণ করার জন্য, ইমেজ প্রসেসিং সিস্টেম AUTOSCOPE, যা বর্তমানে ট্রাফিক সনাক্তকরণ ব্যবহার করা হয়,প্রক্রিয়াকরণের জন্য সনাক্তকরণ লাইন ব্যবহার করে.

যেখানে যানবাহনগুলি সহজেই চলছে, সেখানে যানবাহন সনাক্তকরণের উপায় হিসাবে নমুনা পয়েন্ট বা সনাক্তকরণ লাইন ব্যবহার করে ভাল ফলাফল পাওয়া যায়; তবে জটিল ছেদগুলিতে,নমুনা পয়েন্ট বা সনাক্তকরণ লাইন স্থাপন কিভাবে প্রথম সমস্যা সম্মুখীন হবে, কারণ ক্রসওভারে যানবাহনগুলি কেবল সোজা যায় না, তবে তাদের বাঁকানো আচরণও রয়েছে এবং যানবাহনগুলি যে কোনও অবস্থানে উপস্থিত হতে পারে।

সম্পূর্ণ স্ক্রিন প্রক্রিয়াকরণ ব্যবহার করে যানবাহন সনাক্তকরণ পদ্ধতি আরও তথ্য পেতে পারে, তবে প্রক্রিয়াজাতকরণের পরিমাণও উল্লেখযোগ্যভাবে বৃদ্ধি পায়।এই পদ্ধতির অন্তর্গত দুটি সনাক্তকরণ পদ্ধতি আছে: ব্যাকগ্রাউন্ড বিয়োগ পদ্ধতি এবং বাইনারাইজেশন পদ্ধতিঃ ব্যাকগ্রাউন্ড বিয়োগ পদ্ধতিটি ব্যাকগ্রাউন্ড হিসাবে কোনও যানবাহন ছাড়াই একটি চিত্র নেয়।যখন যানবাহন ধারণকারী চিত্রটি পয়েন্ট দ্বারা পয়েন্ট থেকে ব্যাকগ্রাউন্ড ইমেজ থেকে বিয়োগ করা হয়, গাড়ির অংশ বিয়োগ করা হয়, যেমন TRIP সিস্টেম। বাইনারাইজেশন পদ্ধতি একটি নির্দিষ্ট প্রান্তিককরণ এ ইমেজ কাটা। এই মান বেশী পিক্সেল গভীরতা 255 (সাদা) হয়ে যায়,এবং এই মানের চেয়ে কম পিক্সেল গভীরতা 0 হয়ে যায় (কালো)এটি ব্যাকগ্রাউন্ড থেকে বস্তুকে আলাদা করতে পারে।

ব্যাকগ্রাউন্ড বিয়োগ পদ্ধতি এবং বাইনারাইজেশন পদ্ধতি উভয়েরই অনেকগুলি ত্রুটি রয়েছে। প্রথমটির জন্য ব্যাকগ্রাউন্ডের ঘন ঘন আপডেট প্রয়োজন, যখন দ্বিতীয়টির একটি জটিল প্রক্রিয়া রয়েছে।উভয়েরই সাধারণ অসুবিধা হল যে যখন বস্তুর রঙ পটভূমির অনুরূপ হয়, এটি কাটার ব্যর্থতার ভাগ্য মোকাবেলা করবে। উপরন্তু, প্রান্তিক মান নির্ধারণ করা কঠিন, তাই মাল্টি-ভ্যালু কাটার পদ্ধতি প্রস্তাব করা হয়,কিন্তু প্রক্রিয়াটি ক্রমবর্ধমান জটিল হয়ে ওঠে.

বিদেশী আর. টাক্টাক, রিতা কুক্কিয়ারা, কুক্কিয়ারা এবং অন্যরা মনে করেন যেহেতু রাতের ছবিতে থাকা তথ্যগুলি দিনের ছবির থেকে সম্পূর্ণ আলাদা, তাই তারা মনে করেন যে, রাতের ছবিতে থাকা তথ্যগুলি দিনের ছবির থেকে সম্পূর্ণ আলাদা।অ্যালগরিদম এবং সনাক্তকরণ স্ট্রিম ব্যবহার বেশ ভিন্ন হবেসাধারণভাবে বলতে গেলে, রাতে এবং কম আলোর অবস্থার অধীনে, একমাত্র আকর্ষণীয় দৃশ্যমান বৈশিষ্ট্যগুলি হ'ল গাড়ির হেডলাইট এবং তাদের বিম, রাস্তার আলো,এবং অত্যন্ত প্রতিফলিত আলোর নিদর্শন (যেমন জেব্রা ক্রসিং)তারা বিশ্বাস করে যে রাতের ছবিগুলি গতি সনাক্তকরণ অ্যালগরিদমের জন্য উপযুক্ত নয়।

দেশীয় এবং বিদেশী দেশগুলির মধ্যে ট্রাফিকের গঠন পার্থক্যের কারণে, বিদেশী গবেষণায় শুধুমাত্র বড় যানবাহন এবং ছোট যানবাহন চিহ্নিত করা হয়, যখন দেশীয় গবেষণায় আরও জটিল।কিন্তু, সাধারণ গবেষণায় যানবাহনের ধরনগুলিকে বড় যানবাহন, ছোট যানবাহন এবং লোকোমোটিভগুলিতে সরলীকৃত করা হয় এবং সনাক্তকরণের জন্য এই তিনটি বিভাগ ব্যবহার করা হয়।

যখন গাড়ির ধরন সনাক্ত করার জন্য সনাক্তকরণ লাইন বা নমুনা পয়েন্ট ব্যবহার করা হয়, তখন সংগৃহীত তথ্যের পরিমাণ কম হওয়ার কারণে এটি গাড়ির ধরন সনাক্তকরণে সহায়ক নয়,তাই এই পদ্ধতি ব্যবহার করে কম মানুষ আছে. দিনের বেলা ইমেজগুলিতে যানবাহন সনাক্তকরণের জন্য, গাড়ির বৈশিষ্ট্য যেমন চেহারা এবং আকার সাধারণত শ্রেণিবদ্ধকরণের মানদণ্ড হিসাবে ব্যবহৃত হয়। প্রাসঙ্গিক সাহিত্য নিম্নরূপ সংগঠিত করা হয়।

"নিউরাল নেটওয়ার্ক", যা সাম্প্রতিক বছরগুলিতে দ্রুত বিকশিত হয়েছে এবং অনেক ক্ষেত্রে প্রয়োগ করা হয়েছে, এটি যানবাহন প্রকারের সনাক্তকরণেও প্রয়োগ করা হয়েছে।গাড়ির নম্বর প্লেট এছাড়াও নম্বর ইমেজ বাইনারিাইজ করার জন্য ব্যবহার করা যেতে পারে, এবং বৈশিষ্ট্য মিলানোর মাধ্যমে নম্বর প্লেট নম্বর সনাক্ত এবং রেকর্ড। ডাটাবেস তুলনা মাধ্যমে, প্রতিটি নম্বর একটি নির্দিষ্ট গাড়ির টাইপ অনুরূপ হতে পারে,যা অবৈধ যানবাহন ধরতে ব্যবহার করা যেতে পারে, যানবাহন গণনা, যানবাহনের ধরন সনাক্তকরণ, উৎপত্তি ও গন্তব্যস্থল অনুসন্ধান, যাত্রা সময়ের বিশ্লেষণ ইত্যাদি।

সাম্প্রতিক বছরগুলোতে দেশে প্লেট স্বীকৃতি প্রযুক্তি ক্রমবর্ধমান পরিপক্ক হয়ে উঠেছে। কিছু পণ্ডিত বিশ্বাস করেন যে প্লেট স্বীকৃতি তিনটি পর্যায়ে বিভক্ত করা যেতে পারেঃপ্রাক-প্রক্রিয়াকরণ, যা চিত্রটিকে দ্বিগুণ করে এবং শব্দ দূর করে। তারপরে, নম্বর প্লেট অবস্থান নির্ধারণের জন্য, বিশ্লেষণের জন্য চিত্রের সংযোগকারী উপাদানগুলি খুঁজে পেতে সংযোগকারী উপাদান লেবেলিং পদ্ধতি ব্যবহার করা হয়,এবং তারপর নম্বর প্লেট অবস্থান নির্ধারণ. অক্ষর স্বীকৃতির জন্য, অক্ষর বিভাজনের পরে, কাঠামোগত উপাদানগুলির আকারটি পাঠ্যের আকার অনুযায়ী সেট করা হয়,এবং অবশেষে টাইপোলজিক্যাল পদ্ধতি তুলনা করার জন্য টেক্সট বৈশিষ্ট্য খুঁজে পেতে ব্যবহার করা হয়. কিছু পণ্ডিত অন্যান্য পদ্ধতি ব্যবহার করে, যেমন প্লেট অনুসন্ধান এবং তারপর অক্ষর কাটা পিক্সেল বিভাজন ব্যবহার করে এবং তারপর অক্ষর সনাক্ত করতে নিউরাল নেটওয়ার্ক ব্যবহার;অথবা সম্ভাব্য নম্বর প্লেট অবস্থান খুঁজে পেতে গ্রে-স্কেল রূপান্তর সংখ্যা গণনা ব্যবহার, তারপরে অক্ষরগুলিকে বিভাগ করুন এবং তারপরে অক্ষরগুলি সনাক্ত করতে স্ট্রোক বিশ্লেষণ ব্যবহার করুন; অথবা চিত্রের ধূসর-স্কেল মানগুলির পরিবর্তিত বৈশিষ্ট্যগুলি ব্যবহার করুন নম্বর প্লেটের অবস্থানটি সন্ধান করতে,অক্ষর বিভাজন করতে উল্লম্ব অভিক্ষেপ হিস্টোগ্রাম ব্যবহার করুন, এবং স্বীকৃতির জন্য গ্রে-স্কেল মানের সম্পর্ক ব্যবহার করুন।