آشکارسازی و شناسایی علائم راهنمایی و رانندگی با استفاده از شبکه های عصبی و انطباق الگو

در این پایان نامه به آشکارسازی و شناسایی علائم راهنمایی و رانندگی می پردازیم. در مرحله اول، علامت ترافیکی را از میان اشیاء مختلفی که درون تصویر وجود دارد، استخراج کرده، سپس در مرحله دوم به شناسایی نوع دقیق آن می پردازیم. در مرحله آشکارسازی علامت، ابتدا به منظور کاهش حساسیت نسبت به تغییرات روشنایی، تصویر ورودی را از فضای رنگ rgbبه فضای رنگ hsv تبدیل می کنیم و سپس با آستانه گذاری بر روی پارامترهای فام و اشباع، مناطق با رنگ قرمز و آبی را استخراج می کنیم. هم چنین به منظور افزایش قدرت سیستم در استخراج مناطق با رنگ قرمز و آبی در شرایط متغیر روشنایی، از منطق فازی استفاده می کنیم. سپس با فیلترگذاری، از روی مناطق قرمز و آبی استخراج شده قسمت هایی که مثلث، دایره، هشت ضلعی و یا مستطیل هستند، استخراج می شوند. به منظور ارزیابی عملکرد سیستم آشکارسازی و نبود یک پایگاه داده از علائم راهنمایی و رانندگی موجود در ایران، اقدام به تهیه یک پایگاه داده از علائم موجود در ایران کردیم. این پایگاه داده شامل 350 علامت در 35 کلاس مختلف است، سیستم ما قادر به آشکارسازی 97.87% درصد از این علائم است. پس از استخراج علامت از میان تصویر، پس زمینه آن را حذف کرده و در روش اول بکارفته برای شناسایی دقیق علامت به روش پروفایل از علامت استخراج ویژگی می کنیم. سپس با استفاده 840 علامت در 40 کلاس مختلف، ماشین بردار پشتیبان را آموزش داده و با استفاده از 416 علامت آن را مورد آزمایش قرار داده که به دقت شناسایی 91.1%رسیدیم. در روش دوم که برای شناسایی دقیق علامت به کار برده ایم، به روش هیستوگرام گرادیان از علامت راهنمایی و رانندگی استخراج ویژگی می کنیم. سپس از ویژگی های استخراج شده برای آموزش شبکه عصبی استفاده می کنیم. مجموعه داده ای که برای آموزش و آزمایش شبکه عصبی استفاده شده است شامل 1280 علامت واقعی در 40 کلاس مختلف است. 67 درصد این مجموعه یعنی 864 علامت را به آموزش شبکه اختصاص داده و از 33 درصد باقی مانده یعنی 416 علامت برای آزمایش شبکه استفاده می کنیم. دقت طبقه بندی به دست آمده، 99 درصد بر روی دادهای آموزش و 93.86 درصد بر روی داده های آزمایش است. با توجه به این که این علائم در شرایط نوری، پس زمینه ها و مقیاس های مختلف قرار دارند و نیز دارای تاری و چرخش هستند. نتایج به دست آمده بیانگر توانایی روش پیشنهادی در آشکارسازی و تشخیص علائم است. برای این که الگوریتم ارائه شده به صورت بلادرنگ عملیات آشکارسازی و شناسایی دقیق علامت را انجام دهد، برنامه اولیه را که با استفاده از نرم افزار متلب نوشتیم، به زبان c++ تبدیل کردیم. که به طور میانگین، به زمان آشکارسازی 170 میلی ثانیه و زمان شناسایی دقیق 121 میلی ثانیه برای هر تصویر رسیدیم.