تشخیص علائم راهنمایی و رانندگی و علائم ترافیکی با پردازش تصویر - انجام پروژه متلب |پروژه متلب | انجام پروژه متلب برق | شبیه سازی با متلب

تشخیص علائم راهنمایی و رانندگی و علائم ترافیکی با پردازش تصویر

تشخیص علائم راهنمایی و رانندگی و علائم ترافیکی با پردازش تصویر: متلب ارزان قیمت

متلب ارزان قیمت:شناسایی علائم راهنمایی و رانندگی عبارت است از پیدا کردن و رده بندی خودکار علائم راهنمایی و رانندگی در تصویری که از صحنه ترافیک گرفته شده است. بنا به تحقیقات انجام شده، اکثر تصادفات رانندگی، از بی توجهی رانندگان به این علائم ناشی می شود. بنابراین به کارگیری سیستم شناسایی علائم راهنمایی و رانندگی به عنوان یک سیستم کنترلی در اتومبیل می تواند آمار تصادفات را کاهش دهد.

طراحی سیستم شناسایی علائم راهنمایی و رانندگی با مشکلات زیادی همراه است. تصاویر گرفته شده به دلایل مختلف دارای نویز می باشند.

شدت و ضعف نور محیط بر روی رنگ تصویر تأثیرمی گذارد. علائم در مکان های مختلفی در صفحه تصویر ظاهر می شوند، همچنین اشیاء بسیاری در صحنه حضور دارند که وجود آنها کار کشف علائم را با مشکل مواجه می کند. علائم ممکن است کاملاً مشابه استاندارد تعریف شده نباشند. مقیاس علائم در تصویر متغیر است (بسته به فاصله اتومبیل از تابلو)، همچنین یک زاویه غیر صفر بین محور اپتیکال دوربین با بردار عمود بر سطح تابلو علامت وجود دارد. مجموع عوامل بالا شناسایی علائم راهنمایی و رانندگی را پیچیده می سازد.

متلب ارزان قیمت:گروه تحقیق دانشگاه جنوا در ایتالیا نیز، تحقیقاتی در زمینه شناسایی علائم راهنمایی و رانندگی در تصاویر سیاه و سفید با استفاده از روش محاسبه ضریب همبستگی انجام داده است. دقت سیستم طراحی شده بین ٩٢ تا ٩۶ درصد و زمان کل پردازش در حدود ۵٠٠ میلی ثانیه است. در این مقاله روشی برای شناسایی علائم راهنمایی و رانندگی به وسیله شبکه عصبی پیشنهاد شده است. این روش مبتنی بر استخراج یک بردار ویژگی از تصویر علامت سپس شناسایی آن با شبکه عصبی است. همچنین با به کارگیری برخی فن‌ها، شناسایی مستقل از مقیاس علائم و مکان علائم در صفحه تصویر انجام می شود.

استخراج بردار ویژگی

برای شناسایی علائم راهنمایی و رانندگی، ابتدا لازم است یک بردار ویژگی از تصویر آن استخراج گردد؛ در این مقاله از روشی برای استخراج بردار ویژگی استفاده شده است. روش مذکور یک بردار ویژگی مستقل از دوران، انتقال و مقیاس را از شکل باینری استخراج می کند که خصوصیت مستقل بودن از انتقال و مقیاس آن در اینجا مورداستفاده قرار می گیرد. همچنین ویژگی های استخراج شده از دو شکل تقریباً مشابه، به هم نزدیک می باشند. این خصوصیات، بردار ویژگی مذکور را برای شناسایی علائم راهنمایی و رانندگی مناسب می سازد.

روش استخراج این بردار ویژگی از یک شکل باینری به طور خلاصه به شرح زیر است:

ابتدا مختصات پیکسل های سیاه تصویر به عنوان یک توزیع دو بعدی از داده ها در نظر گرفته می شود و ماتریس کواریانس این توزیع محاسبه می گردد. سپس دو مقدار ویژه ١ و دو بردار ویژه ٢ این ماتریس به دست می آیند. پس از آن، شکل بر اساس دو بردار ویژه به دست آمده (که ابتدای آنها در مرکز جرم شکل فرض می شوند) به چهار ناحیه تقسیم می شود (شکل ۱) برای هرکدام از این نواحی نیز، به طور جداگانه، ماتریس کوواریانس، مقادیر و بردارهای ویژه محاسبه می شود سپس برای هر ناحیه چهار پارامتر مستقل از دوران، انتقال و مقیاس محاسبه می گردند. برای شکل اولیه نیز دو پارامتر محاسبه می شود. این چهار پارامتر به شرح زیر تعریف می شوند:

= eigen-ratio نسبت مقدار ویژه کوچکتر ناحیه به مقدار ویژه بزرگتر ناحیه.

= normal-angle زاویه حاده بین بردار ویژه بزرگتر ناحیه با بردار ویژه بزرگتر شکل اصلی.

= center مجذور فاصله بین مرکز جرم ناحیه با مرکز جرم شکل اصلی، تقسیم بر مقدار ویژه بزرگتر شکل اصلی

= compactness نسبت مساحت ناحیه به مساحت ناحیه. bounding-box

تصاویر خروجی برنامه: