ارائه ی الگوریتم هشدار نسبت به موتورسیکلت های پشت سر با استفاده از تک دوربین و روش های یادگیری عمیق
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 184
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JTE-13-3_007
تاریخ نمایه سازی: 17 اردیبهشت 1401
Abstract:
در ایران موتورسیکلت ها یکی از آسیب پذیرترین کاربران جاده ها هستند که حجم زیادی از آمار تصادفات را شامل می شوند. در این مقاله راهکار مناسبی برای کمک به کاهش تصادفات اتومبیل ها با موتورسیکلت ها و به ویژه موتورسیکلت های مجهز به بادگیرهای مشکی رنگ ارائه شده است که با استفاده از تنها یک دوربین مستقر بر روی آینه بغل سمت کمک راننده، آگاهی راننده نسبت به نقاط کور محدوده ی بغل و پشت سر افزایش می یابد، تا در صورت نزدیک شدن بیش از حد موتورسوار، با اعلام هشدار به راننده از بروز تصادف جلوگیری شود. این عملیات هشدار با توجه به تلفیق اطلاعات بدست آمده از دو مرحله تشخیص موتورسیکلت و سپس برآورد فاصله با استفاده از روش های یادگیری عمیق صورت گرفته است. در مرحله تشخیص، مدل های مختلفی از الگوریتم های YOLO با یکدیگر مقایسه شده اند که در میان آن ها، مدل بهبود یافته ی YOLOV۴ با میانگین دقت ۸۰ درصد و سرعت ۳۵ فریم بر ثانیه بهترین عملکرد در شناسایی موتورسیکلت های مورد نظر را داشته است. این مدل بر روی پایگاه داده شامل ۲۰۰۰ تصویر اخذ شده از موتورسیکلت های شهر تهران آموزش داده شده است. در مرحله ی دوم برای برآورد نقشه عمق تک تصویر از آموزش مدل Monodepth۲ بر روی ۶۰۰۰ جفت تصویر اخذ شده از خیابان های شهر تهران با استفاده از دوربین MYNT-EYE استفاده شده است. با ادغام نتایج بدست آمده از مختصات موتورسیکلت در تصویر و نقشه عمق بدست آمده، الگوریتم پیشنهادی به بهترین عملکرد در تشخیص و براورد فاصله ی دوربین تا موتورسیکلت موردنظر با میانگین خطای ۳۶ سانتی متر و سرعت ۲۰ فریم بر ثانیه دست یافته است.
Keywords:
Authors
زهرا بادامچی شبستری
کارشناس ارشد سنجش از دور، دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
علی حسینی نوه
استادیار دانشکده مهندسی نقشه برداری، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :