|
Title
|
شمارش خودروها در بزرگراه ها با استفاده از تکنیک های یادگیری وبینایی ماشین
|
|
Type of Research
|
Presentation
|
|
Keywords
|
وﺳﺎﯾﻞﻧﻘﻠﯿﻪ، ﮐﻨﺘﺮل ﺗﺮاﻓﯿﮏ، ﺑﯿﻨﺎﯾﯽ ماشین، حباب، تبدیل هاف دایره، کرنر، ﺷﺒﮑﻪ ﻋﺼﺒﯽ
|
|
Abstract
|
اﻣﺮوزه اﻓﺰاﯾﺶ وسایل نقلیه و ﺟﻮاﺑﮕﻮ ﻧﺒﻮدن سیستم های ﮐﻨﺘﺮل ﺳﻨﺘﯽ، ﺑﺎﻋـﺚ اﯾﺠـﺎد سیستم های کنترل ﺗﺮاﻓﯿﮏ به صورت ﻫﻮﺷﻤﻨﺪ ﺷﺪه اﺳﺖ. اﯾﻦ ﻋﺎﻣﻞ، ﺳﺒﺐ ﮐﻨﺘﺮل و ﻣﺪﯾﺮﯾﺖ ﺑﻬﺘﺮ ﺷـﻬﺮی و اﻓﺰاﯾﺶ ﺿﺮﯾﺐ اﻃﻤﯿﻨﺎن جاده ها و بزرگراه ها می شود. ﻫﺪف اصلی اﯾﻦ تحقیق ﺗﺸﺨﯿﺺ و شمارش وسایل نقلیه ﺑﺎ اﺳﺘﻔﺎده از تکنیک های یادگیری و ﺑﯿﻨﺎﯾﯽ ماشین ﻣـﯽﺑﺎﺷـﺪ. در اﯾـﻦ پژوهش ﻣـﺎ از یک دوربین ﺛﺎﺑﺖ ﮐﻪ در ارﺗﻔﺎﻋﯽ مناسب از ﺳﻄﺢ ﺟﺎده و ﺑﺎ زاوﯾـﻪ ﮐـﻢ قرار می گیرد ﺑـﺮای عملیات ﻧﻈﺎرت ﺗﺮاﻓﯿﮑﯽ اﺳﺘﻔﺎده کرده ایم. ﺑﺮای اﻧﺠﺎم روش های ارائه شده ، ﯾﮏ ﻗﺴﻤﺖ از ﺑﺰرﮔﺮاه را اﻧﺘﺨـﺎب ﻣﯽﮐﻨﯿﻢ ﺗﺎ پردازش های ﻻزم در ﻣﺤﺪوده ﻣﻮردﻧﻈﺮ اﻧﺠﺎم ﮔﯿﺮد. اﻟﮕﻮرﯾﺘﻢ استفاده شده ﺷـﺎﻣﻞ ﺳـﻪ ﻣﺮﺣﻠﻪ ﮐﻠﯽ می باشد. اﺑﺘﺪا ﺑﺎ تکنیک های ﭘﺮدازش ﺗﺼﻮﯾﺮ وسایل نقلیه ﻣﺘﺤﺮک درصحنه های ﺗﺮاﻓﯿﮏ ﺗﺸﺨﯿﺺ داده می شود. در ﻣﺮﺣﻠﻪ ﺑﻌﺪی وﺳﺎﯾﻞ ﻧﻘﻠﯿـﻪ ﻧﺰدﯾـﮏ ﺑـﻪ دورﺑـﯿﻦ انتخاب شده و عمل پردازش و اﺳﺘﺨﺮاج ویژگی های ﻣﻮردﻧﻈﺮ اﻧﺠﺎم می گردد. اﯾﻦ ویژگی ها ﺑﻪ ﺷـﺒﮑﻪ عصبی اعمال می گردد، ﺑﻪ ﺻﻮرﺗﯽ ﮐﻪ ﺧﺮوﺟﯽ ﺷﺒﮑﻪ ﻋﺼﺒﯽ تعداد وسیله نقلیه ﻋﺒﻮری را ﻣﺸـﺨﺺﻣـﯽﮐﻨـﺪ. ﻣﺪل اراﺋﻪ ﺷﺪهﻗﺎدر ﺑﻪ تشخیص و شمارش ﺧﻮدروﻫـﺎی ﺳـﺒﮏ و ﺳﻨﮕﯿﻦ ﻣﯽﺑﺎﺷﺪ. الگوریتم پیشنهادشده ﻗﺎدر ﺑﻪ شمارش وﺳﺎﯾﻞ ﻧﻘﻠﯿﻪ ﻋﺒﻮری در زﻣﺎن واﻗﻌﯽ می باشد. ﺑﺮای اﯾﻦ ﻣﻨﻈﻮر ﻣﺎ از چهار روش اﺳﺘﻔﺎده ﮐـﺮدﯾﻢ. روش اول اﺳﺘﻔﺎده از الگوریتم حباب بود الگوریتم دﯾﮕﺮ ارائه شده اﺳـﺘﻔﺎده از روش دایره ،کرنر و ترکیب آنها می باشد. نتایج بدست آمده از آزمایشات ارزیابی سیستم نشان می دهد که روش ترکیب با بهره گیری از شبکه عصبی کمترین خطا را در تشخیص تعداد خودروها را دارد.
|
|
Researchers
|
Tala Amin Eslami (First Researcher)، Mahdi Hashemzadeh (Second Researcher)
|