تشخیص علایم ترافیکی جاده در فضای رنگ HSI
Publish place: International Conference on New Research Findings in Electrical Engineering and Computer Science
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,258
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF01_048
تاریخ نمایه سازی: 8 آذر 1394
Abstract:
دراین مقاله سیستم تشخیص و شناخت خودکار علائم جاده در فضای رنگ HSI را شرح می دهیم .دو تابع مهم در تشخیص و شناخت علامت جاده درسیستم اتوماتیک کمک راننده، تمیز و قابل دید بودن علامت ترافیکی است .سیستم ما قادر به تشخیص و شناخت علائم دایره ، مستطیل ، مثلث ، هشت ضلعی است ، از این رو، تمام اشکال ترافیکی را پوشش می دهد .علائم جاده اطلاعات مهمی به راننده ارائه می دهد و به آن کمک می کند تا با ایمنی و خیال راحت بیشتر برانند و از طریق هدایت و هشدار علائم اقدامات خود را تنظیم کنند. بنای سیستم تشخیص پیشنهادی ، بر روی تعمیم خواص SVM ها است .سیستم ما شامل سه مرحله است ( 1 :تقسیم بندی بر اساس رنگ از پیکسل ( 2 .تشخیص و طبقه بندی علائم ترافیکی با استفاده از شکل خطی SVM ها و ( 3 اساس شناخت محتوا در کرنل- گاوسی بر SVM ها . دلیل اینکه از مرحله تقسیم بندی با قرمز، آبی، زرد،سفید، و یا ترکیبی از این رنگها استفاده شده ، این است که بتوان تمام علائم راهنمایی و رانندگی را کشف کرد ، و برخی از آنها را می توان با چندین رنگ شناسایی کرد. نتایج ، میزان موفقیت بالا و مقدار بسیار کم ، مثبت نادرست را در مرحله نهایی شناخت نشان می دهد .از این نتایج، ما میتوانیم نتیجه بگیریم که الگوریتم پیشنهادی به انتقال، چرخش، تغییر اندازه ، و در بسیاری از موارد حتی به انسداد جزئی نیز ثابت است
Keywords:
Authors
عقیل کشیر
کارشناس ارشد برق الکترونیک دانشگاه آزاد اسلامی واحد علوم و تحقیقات شاهرود
علی حریمی
دانشکده برق واحد شاهرود دانشگاه آزاد اسلامی شاهرود ایران
نسرین صالحی
دانشکده علوم پایه واحد شاهرود دانشگاه آزاد اسلامی شاهرود 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 :