سیستم های نظارتی هوشمند امروزه توجه زیادی در زمینه ترافیک شهری به خود جلب کرده است. این سیستم ها در مقایسه با مشاهدات انسانی، با داشتن دقت زیاد و سرعت بالاتر پردازش اطلاعات، در شناسایی تخلفات رانندگی و کنترل ترافیک مورد استفاده قرار می گیرند. یکی از مهمترین زمینه های کاربردی سیستم های نظارتی هوشمند رهگیری خودروها در ترافیک شهری است. نتایج رهگیری خودروها را همچنین می توان در پردازش های سطح بالاتر بکار برد و از آن جهت تحلیل ترافیک استفاده کرد. هدف ما در این پروژه رهگیری مقاوم و موثر خودروهای مشاهده شده از توالی تصاویر گرفته شده از یک دوربین ثابت، که روی یک پل یا ساختمان قرار دارد، است. رهگیری خودرو با تهیه کردن اطلاعات تصویری غنی تر، بطور موثری در تحلیل-های سطح بالاتر کمک می کند. هرچند که هنوز رهگیری ویدیویی بدلیل مشکلات آشکارسازی و قطعه بندی، نماهای مختلف یک شئ متحرک، مورفولوژی اشیاء نرم، هم پوشانی چند شئ متحرک، تغییرات روشنایی، سایه ها و ... یک مساله باز است. در اینجا از سه ماسک زمینه که شامل ماسک لبه، ماسک تفاضل فریم و ماسک تفاضل زمینه هستند، برای مدل سازی زمینه پویا جهت استخراج زمینه استفاده شده است، که روش efb نام گذاری شده است. پس از بدست آوردن مدل زمینه، پیش زمینه-های متحرک حاصل می شوند. در روش ارائه شده، جهت رهگیری چند خودرو بصورت همزمان، از سرعت خودروها به همراه فیلتر کالمن استفاده شده است. در حین رهگیری ممکن است دو خودرو با یکدیگر هم پوشانی داشته باشند، که این مشکل مورد بررسی قرار گرفته است. در اینجا ابتدا هم پوشانی خودروها با در نظر گرفتن فاصله خودروها از یکدیگر پیش بینی می شود. روش پیشنهادی جهت رهگیری صحیح خودروها پس از اتمام هم پوشانی، ویژگی جابجایی و جهت آنها را مورد استفاده قرار می دهد. نتایج بدست آمده و ارزیابی الگوریتم نسبتا رضایت بخش و دقت روش ارائه شده، در مقایسه با دیگر روش ها بهتر بوده است.

امروزه به کارگیری فناوری اطلاعات در سازمان ها امری اجتناب ناپذیر شده و به همین دلیل لازم است بین واحد کسب و کار و واحد فناوری اطلاعات همسویی وجود داشته باشد تا سازمان بتواند به اهداف خویش برسد. در این زمینه تحقیقات متعددی صورت گرفته و مدل ها و روش های زیادی پیشنهاد شده است. حتی برای این همسویی سطوحی از بلوغ و عوامل موثر در آن تعریف شده است، ولی هیچ یک از این تحقیقات به بررسی بلوغ عوامل یا جزئیات در این همسویی نپرداخته است. در تحقیق حاضر یک روش ابتکاری برای بررسی تأثیر بلوغ نظارتی در زمین? فناوری اطلاعات (itgm) ارائه می شود و چون سازمان ها در تهیه نرم افزارهای خویش در مقابل شرکت-های ارائه دهنده نرم افزار مشتری محسوب می شوند، بلوغ نظارتی مشتریان در زمینه فناوری اطلاعات مورد بحث قرار می گیرد. از طرف دیگر هوشمند سازی کسب و کار (bi) با استفاده از ابزارها یا نرم افزارهایی که قدرت تحلیل داشته و به امر تصمیم گیری افراد علی الخصوص مدیران کمک کنند، تا تصمیمات بهتر یا حتی بهینه و با سرعت بالاتر گرفته شوند، روز به روز متداول تر می گردد. به همین دلیل، روش پیشنهادی این تحقیق در ارتباط با پیاده سازی نرم افزارهای هوش تجاری یا همان هوشمندی کسب و کار مورد بررسی و آزمون قرار گرفته است. همچنین روش پیشنهادی در بر گیرند? نقاط تمرکز کلیدی یا عوامل تعیین کننده پنج گان? سطح بلوغ نظارتی است که هر یک از این پنج عامل، خود دارای مجموعه ای از صفات مشخصه است و هر یک از آنها به نوب? خود در تعیین این فاکتورها نقش دارند. در این روش جدید، از تلفیق دو مدل samm و csm و برای اثبات ارتباط بین دو مقوله ذکر شده از مطالعات موردی و آزمون های آماری استفاده شده است.

موضوع پایان نامه حاضر طراحی دوربینی است که بتواند به صورت خودکار و هوشمند از یک مسابقه ورزشی فیلمبرداری نماید. در این طرح، زمین مسابقه از طریق دوربین یا دوربین هایی که بتوانند کل زمین بازی را از بالا و یا از کنار زمین به نمایش درآورند، مشاهده می گردد؛ و پس از تجزیه و تحلیل، دوربینی که برای فیلمبرداری تعبیه شده و قابلیت چرخش دارد را به حرکت درمی آورد تا بتواند نمای مناسبی از بازی را تهیه نماید. با توجه به ثابت بودن دوربین مرکزی، نمای زمین مسابقه در طول انجام بازی، ثابت است. با توجه به محل قرارگیری دوربین مرکزی، بروز همپوشانی بین بازیکنان و توپ دور از انتظار نیست؛ البته نیازی به رفع همپوشانی نمی باشد، زیرا در هر فریم تنها مکان حضور بازیکن و توپ مهم است و نیازی به تهیه مسیر حرکت هر بازیکن یا توپ نمی باشد. به این منظور از ویژگی های خود تصویر در مدل نمایشی رنگی hsi استفاده شده است. بمنظور طراحی تشخیصگر پس از تقسیم بندی تصویر به سلولهای مختلف، با محاسبه چگالی سلول ها، بدست آورن هیستوگرام و تطبیق الگو مکان بازیکنان در زمین بازی بدست می آید. در بخش تشخیص توپ نیز از پس از حذف زمینه از عملگر connected component استفاده شده است. برای تهیه خروجی دوربین هوشمند که هدف اصلی طراحی این سیستم می باشد، با بررسی مکان توپ و بازیکنان و تخمین سرعت حرکت دوربین، فریم خروجی بدست آمده است. بدلیل سادگی این محاسبات سرعت اجرا بسیار بالاست . مجموع زمان اجرای عملیات تشخیص بازیکن و توپ، در حدود 0.5 ثانیه بوده و دقت تشخیصگر بطور متوسط 70% می باشد.