پیشرفت‌هایی که در سیستم‌هاي پردازش ویدئویی صورت گرفته، امکان کنترل و مدیریت شهري و حمایت از امنیت عمومی جاده را فراهم کرده است. در این بین، سیستم‌هاي بینایی کامپیوتر براي ساخت تجهیزات و براي کنترل ترافیک اتوماتیک مورد توجه واقع شده است. در این پایان نامه از تکنیک‌هاي پردازش تصویر براي کنترل ترافیک هوشمند با استفاده از یک دوربین ثابت با رویکرد جدیدی بهره برده شده است.

سیستم طراحی شده قادر به تشخیص و طبقه بندي وسایل نقلیه به هشت کلاس می‌باشد. مراحل روش پیشنهادی به این صورت است که: در ابتدا با استفاده از روش تفریق پس‌زمینه و عملیات مورفولوژي وسایل نقلیه عبوري را تشخیص داده‌ایم. این تصاویر از وسایل نقلیه را در درون حباب پردازش برده‌ایم و بهترین فریم از تصویر که وسیله‌ی نقلیه به طور کامل در آن قرار دارد را انتخاب کرده‌ایم. در مرحله‌ی بعد با استفاده از روش‌های متداول استخراج ویژگیِ هیستوگرام گرادیان جهت دار و الگوی محلی باینری و یک روش پیشنهادی ویژگی‌های وسایل نقلیه استخراج می گردد. سپس برای طبقه بندی وسایل نقلیه در روش های هیستوگرام گرادیان جهت دار و الگوی محلی باینری از الگوریتم k-نزدیکترین همسایه، و برای طبقه بندی وسایل نقلیه در روش پیشنهادی از شروط متوالی و متعدد استفاده شده است.

در مرحله ی پایانی برای افزایش دقت طبقه‌بندی از طبقه‌بندی ترکیبیِ مبتنی بر رای گیری استفاده شده است، به این صورت که از خروجی هر 3 طبقه‌بند، رای گیری می‌شود و وسیله‌ی نقلیه به طبقه‌ای که بیشترین رای را به خود اختصاص داده، طبقه‌بندی می‌شود. برای پیاده سازی الگوریتم ارائه شده، از کتابخانه‌ی Opencv به زبان C++ در نرم افزار QT Creator استفاده شده است.

به منظور ارزیابی روش پیشنهادی، آزمایش بر روی 411 وسیله‌ی نقلیه از مجموعه داده‌ی تهیه شده از بزرگراه شرقی استان کرمانشاه در این پایان نامه انجام گرفت. نتایج حاصل، میزان کارایی مناسب با دقت 96.5 درصد و زمان اجرای 14.1 میلی ثانیه به طور متوسط برای هر فریم را برای طبقه‌بندی مجموع هشت کلاس وسیله‌ی نقلیه نشان داد.