شناسایی هوشمند علایم ترافیکی با استفاده از ویژگیهای مبتنی بر گرادیان
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,602
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- 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:
ICMVIP08_116
تاریخ نمایه سازی: 9 بهمن 1392
Abstract:
سیستم هوشمند شناسایی علایم راهنمایی و رانندگی با دریافت تصاویر از دوربین نصب شده روی خود را، علایم ترافیکی موجود در مسیر خود در تشخیص داده و در صورت لزوم راننده هشدار میدهد. همچنین میتوان از این سیستم در خودروهای هوشمند که به طور خودکار و بدون نیاز به راننده مسیر را طی میکنند استفاده کرد. معمولاً این سیستمها دو بخش اصلی دارند تشخیص پابلو از سایر قسمتهای تصویر و شناسایی نوع علامت ترافیکی. در این مقاله بحث شناسایی پابلو و حذف پس زمینهها به کمک اعمال برخی قوانین در فضای رنگ HSV بنده در شناسایی نوع علامت با استفاده از ویژگیهای مبتنی بر گیرد یا صورت گرفته است به این ترتیب که ابتدا با توجه به کارت قرمز در تابلوها آنها را از سایر قسمتهای عکس جدا کرده و علامت راهنمایی رانندگی را ناحیه بندی میکنیم سپس با استخراج ویژگی هیستوگرام گرادیان مبتنی بر عملگر سوبل ، ویژگیهای مناسب جهت استخراج میکنیم. در پایان با استفاده از MLP طبقهبندی سود میگیرن و قوت روش پیشنهادی برای 448 علامت ترافیکی که توسط دوربین نصب شده روی خودرو تهیه شدهاند اعمال شد و بدعت طبقهبندی 99% روی دادههای آموزشی و 91% روی دادههای آزمایش حاصل شد. از خصوصیات بارز این روش سرعت بالای تشخیص، مستقل بودن از جهت و چرخش و اندازه علامت تابلو میباشد. از دیگر برتریهای کار انجام شده نسبت به کارهای مشابه استفاده از تصاویر واقعی جهت ارزیابی عملکرد سیستم است.
Keywords:
بازشناسی علایم راهنمایی و رانندگی , تشخیص موقعیت علایم ترافیکی , ویژگیهای مبتنی بر گرادیان , شبکه عصبی
Authors
حسین خسروی
دانشکده برق و رباتیک - دانشگاه شاهرود
محسن شهرکی
دانشکده برق و رباتیک - دانشگاه صنعتی شاهرود
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 :