معرفی سامانه ی هوشمند تشخیص علائم راهنمایی و رانندگی به کمک یادگیری عمیق برای کاهش تصادفات جاده ای

سامانه ی هوشمند تشخیص و شناسایی علایم راهنمایی و رانندگی با دریافت تصاویر از دوربین نصب شده بر روی خودرو، علایم ترافیکی موجود در مسیر خود را تشخیص داده و به راننده هشدار می دهد. این سامانه ها می توانند در خودروهای خودران و هوشمند نیز استفاده شوند و معمولا دو بخش اصلی دارند: تشخیص علامت از سایر قسمت های تصویر و دیگری تشخیص و شناسایی نوع علائم ترافیکی. در این مقاله با استفاده از قدرت شبکه های کانولوشنی به شناسایی علائم ترافیکی پرداخته شده است. در واقع طراحی سامانه ی شناسایی علائم راهنمایی و رانندگی با مشکلات زیادی همراه است. ممکن است تصاویر گرفته شده به دلایل مختلف دارای نویز می باشند. شدت و ضعف نور محیط رنگ تصاویر را تغییر می دهند. یا ممکن است علائم کاملا مشابه استاندارد تعریف شده نباشند و از همه مهم تر اغلب کارهای انجام شده بر روی علائم ترافیکی کشورهای خارجی انجام گرفته است. در این مقاله جهت شناسایی و تشخیص هر یک از علائم ترافیکی سامانه ای ارائه گردیده است تا بتواند بر روی دیتاست های بومی و داخلی کار کرده و "قدرت" و "سرعت" تشخیص را که دو فاکتور مهم در خودروهای هوشمند تلقی می گردند را مهیا کند. نتایج عملکرد این سامانه نشان می دهد که دقت تشخیص علائم بر روی داده های آموزشی ۹۹% و داده های تست ۹۹% بوده و از خصوصیات بارز این سامانه نسبت به کارهای مشابه، سرعت بالای تشخیص علائم در هر نوع آب و هوا و شرایط نور و وجود نویز می باشد.

Keywords:

سامانه ی تشخیص علائم ترافیکی , یادگیری عمیق , شبکه عصبی کانولوشن , شبکه عصبی , خودروهای هوشمند , تخلفات و تصادفات جاده ای