As more and more safety vision appl

As more and more safety vision applications begin to
integrate into vehicle platforms it becomes necessary to
choose a general purpose object detection algorithm that
encompasses the detection of all that is present in the road
ahead. It is not just the collision prone targets that we are
interested in; we also must understand the landmarks that
signify a particular region where the vehicle is present.
Therefore, instead of investigating many different object
detection algorithms present in the current literature we
evaluate a robust real-time algorithm [2] called the Viola and
Jones object detection algorithm. The conventional approach
for object detection with real-time results would be to perform
flesh toning of the entire image region to focus on a particular
region of interest and return this area to be tracked continually
[3]. One of the advantages of employing the Viola and Jones
over this conventional approach is its success in terms of
running its detector on the entire image and yet achieving realtime
results of about 15 fps on a conventional 700 MHz
Pentium III [2].
Although our ultimate goal would be to implement this on
embedded hardware, given the utilization of a GPU we would
definitely obtain an accelerated performance. Another
advantage of this algorithm is its ability to construct a
comprehensive data model of the scene ahead comprised of
different types of targets and landmarks commonly
encountered on an urban road scenario. This is achieved using

ผลลัพธ์ (ไทย) 1:

เป็นความปลอดภัยมาก ขึ้น มองเห็นโปรแกรมประยุกต์เริ่ม
รวมไว้ในแพลตฟอร์มรถนั้นจำเป็นต้อง
เลือกอัลกอริทึมตรวจวัตถุทั่วไปที่
ครอบคลุมการตรวจทั้งหมดที่อยู่ในถนน
ล่วงหน้า ไม่เพียงแค่ชนเสี่ยงเป้าหมายที่เรา
สนใจ เรายังต้องเข้าใจยังสถานที่
ขอบเขตที่รถนั้นปัจจุบันมีความหมาย
ดังนั้น แทนที่จะตรวจสอบวัตถุที่แตกต่างกันมากมาย
ตรวจสอบอัลกอริทึมที่นำเสนอในวรรณคดีปัจจุบันเรา
ประเมินความแข็งแกร่งแบบเรียลไทม์อัลกอริทึม [2] เรียกวิโอลา และ
โจนส์วัตถุตรวจสอบอัลกอริทึม วิธีธรรมดา
สำหรับตรวจจับวัตถุ ด้วยผลลัพธ์แบบเรียลไทม์จะทำ
เนื้อ toning ภาคทั้งภาพเน้นเฉพาะ
น่าสนใจและพื้นที่นี้จะถูกติดตามอย่างต่อเนื่อง
[3] หนึ่งข้อดีของการใช้วิโอล่าและโจนส์
มากกว่าวิธีการแบบนี้จะประสบความสำเร็จในแง่ของ
ใช้จับของทั้งภาพ และยัง บรรลุ realtime
ผลประมาณ 15 fps บน MHz 700 เป็นธรรมดา
Pentium III [2]
แม้ว่าเป้าหมายสูงสุดของเราจะใช้นี้บน
ฝังฮาร์ดแวร์ ให้ใช้ GPU เราจะ
แน่นอนขอรับมีประสิทธิภาพรวดเร็ว อื่น
ประโยชน์ของอัลกอริทึมนี้คือ ความสามารถในการสร้างการ
รูปแบบครอบคลุมข้อมูลฉากข้างหน้าประกอบด้วย
แตกเป้าหมายและสถานที่ทั่วไป
บนสถานการณ์ถนนในเมือง นี้สามารถทำได้โดยใช้

ผลลัพธ์ (ไทย) 2:

เป็นมากขึ้นและมีการใช้งานมากวิสัยทัศน์ด้านความปลอดภัยเริ่มต้นที่จะ
บูรณาการเข้าไปแพลตฟอร์มรถมันจะกลายเป็นสิ่งจำเป็นที่จะ
เลือกวิธีการตรวจสอบวัตถุที่ใช้งานทั่วไปที่
ครอบคลุมการตรวจสอบของทุกคนที่อยู่ในถนน
ข้างหน้า มันไม่ได้เป็นเพียงชนกลุ่มเป้าหมายที่มีแนวโน้มว่าเรามีความ
สนใจในการ; เรายังต้องเข้าใจสถานที่สำคัญที่
มีความหมายโดยเฉพาะอย่างยิ่งภูมิภาคที่ยานพาหนะมีอยู่
ดังนั้นแทนการตรวจสอบวัตถุที่แตกต่างกันหลาย
ขั้นตอนวิธีการตรวจสอบอยู่ในวรรณกรรมปัจจุบันเรา
ประเมินขั้นตอนวิธีเรียลไทม์ที่มีประสิทธิภาพ [2] ที่เรียกว่าไวโอลินและ
การตรวจจับวัตถุที่โจนส์ อัลกอริทึม วิธีการแบบเดิม
ในการตรวจหาวัตถุที่มีผลการเรียลไทม์ที่จะดำเนินการ
ปรับสีเนื้อของภูมิภาคภาพทั้งหมดจะมุ่งเน้นไปโดยเฉพาะอย่างยิ่ง
ภูมิภาคที่น่าสนใจและกลับบริเวณนี้จะได้รับการติดตามอย่างต่อเนื่อง
[3] หนึ่งในข้อดีของการจ้างไวโอลินและโจนส์
กว่าวิธีการแบบเดิมนี้คือความสำเร็จในแง่ของ
การใช้เครื่องตรวจจับที่มีต่อภาพทั้งหมดและยังประสบความสำเร็จในเรียลไทม์
จากผลการประมาณ 15 เฟรมต่อวินาทีในการชุมนุม 700 MHz
Pentium III [2]
แม้ว่าเราสุดยอด เป้าหมายที่จะดำเนินการนี้บน
ฮาร์ดแวร์ฝังตัวที่ได้รับการใช้ประโยชน์ของ GPU เราจะ
แน่นอนได้รับประสิทธิภาพการทำงานที่เร่งตัวขึ้น อีก
ประโยชน์จากอัลกอริทึมนี้คือความสามารถในการสร้าง
แบบจำลองข้อมูลที่ครอบคลุมของฉากประกอบด้วยข้างหน้า
ชนิดที่แตกต่างกันของเป้าหมายและสถานที่สำคัญโดยทั่วไป
พบกับสถานการณ์ที่ถนนในเมือง นี่คือความสำเร็จโดยใช้

ผลลัพธ์ (ไทย) 3:

เป็นเพิ่มเติม และเพิ่มเติมความปลอดภัยวิสัยทัศน์การใช้งานเริ่มต้น
รวมเข้ากับแพลตฟอร์มยานพาหนะมีความจำเป็น

เลือกวัตถุประสงค์ทั่วไปของขั้นตอนวิธีการตรวจจับวัตถุที่
ครอบคลุมตรวจหาทั้งหมดที่อยู่ในถนน
ล่วงหน้า มันไม่ได้เป็นเพียงการปะทะกันง่าย เป้าหมายที่เราจะ
สนใจ เราก็ต้องเข้าใจว่า
สถานที่มีความหมายว่าภูมิภาคโดยเฉพาะอย่างยิ่งที่ยานพาหนะที่เป็นปัจจุบัน
ดังนั้นแทนที่จะสืบสวนหลายขั้นตอนวิธีการตรวจจับวัตถุที่แตกต่างกันที่มีอยู่ในวรรณกรรมปัจจุบัน

เราประเมินประสิทธิภาพเรียลไทม์ขั้นตอนวิธี [ 2 ] ชื่อ Viola และ
โจนส์การตรวจจับวัตถุขั้นตอนวิธี
วิธีการทั่วไปสำหรับการตรวจจับวัตถุที่มีผลเวลาจริงจะดำเนินการ
เนื้อโทนของพื้นที่ภาพทั้งหมดที่จะมุ่งเน้นพื้นที่เฉพาะของดอกเบี้ยและคืนพื้นที่นี้

จะติดตามอย่างต่อเนื่อง [ 3 ] หนึ่งในข้อดีของการใช้ Viola และโจนส์
กว่าแบบปกตินี้คือความสำเร็จในแง่ของ
ทํางานของเครื่องตรวจจับบนภาพทั้งหมดและยังบรรลุเรียลไทม์
ผลประมาณ 15 FPS บนปกติ 700 MHz Pentium III

[ 2 ]แม้ว่าเป้าหมายสูงสุดของเราที่จะใช้นี้บน
ฝังตัวฮาร์ดแวร์ให้ใช้ GPU เราจะ
แน่นอนขอรับงานเร่ง . ข้อดีของวิธีนี้คืออีก

ความสามารถในการสร้างโมเดลข้อมูลที่ครอบคลุมของฉากข้างหน้าประกอบด้วย
แตกต่างกันประเภทของเป้าหมายและสถานที่ที่พบบนถนนเมือง
สถานการณ์ นี้ได้ใช้