تشخیص نوع و سرعت خودروها در جادهها، نقش مهمی در کاربردهای مربوط به سیستمهای حمل و نقل هوشمند جهت افزایش امنیت و سهولت تردد وسایل نقلیه در جادهها ایفا میکند. روشهای موجود برای تشخیص نوع خودرو، روشهایی هستند که با استفاده از حسگرهای مختلف، از جمله حسگرهای مغناطیسی، لیزری، راداری و... اطلاعات مورد نیاز برای تشخیص را بدست آورده و آنها را مورد بررسی قرار میدهند، اما در این میان استفاده از روشهای مبتنی بر تصاویر یا ویدئوها، با توجه به اعتبار مناسب نتایج، مورد توجه قرار گرفتهاند. تشخیص خودرو میتواند در دو سطح صورت گیرد: اینکه نوع خودرو، تنها از نظر ابعاد و ویژگیهای کلی ظاهری آن تعیین شود ) تقسیم بندی به گروههای سواری، سنگین و ... ( و یا اینکه به طور جزئیتر، مدل و شرکت سازنده خودرو هم تعیین شود. در این پایان نامه برای بخش تشخیص خودرو، از ویدئوهای نمای نزدیک و روبرو که از مجموعه دادههای موجود تهیه شده استفاده شده است. در این پایاننامه از الگوریتمهای بلادرنگ مبتنی بر هوش مصنوعی )یادگیری عمیق( برای تشخیص نوع و طبقه بندی کلاس خودروهای عبوری از محورهای مواصلاتی استفاده شده،که سعی بر غلبه بر چالش های جدی روشهای موجود مورد استفاده دارد. در این رویکرد تعداد زیادی از تصاویر موجود در مجموعه دادههای مختلف شامل شش کلاس خودرو، به عنوان دادههای آموزشی به شبکه وارد شده و با استفاده از الگوریتم یادگیری عمیق موسوم به YOLOv3 اقدام به فرآیند شناسایی خودرو شده است. همچنین به منظور ردیابی خودروها در تصاویر ویدئویی پس از شناسایی، الگوریتمهای مختلفی بررسی و در نهایت از الگوریتم Median flow در این پایان نامه بهره گرفته ایم. در پایان نیز با استفاده از الگوریتمهای تشخیص سرعت، روشی به جهت محاسبه سرعت خودروهای عبوری ارائه شده است.
