1-2-2 سیستم های دستیار راننده………………… 7
1-3 اهداف پایان نامه………………… 9
1-3- 1 آشکارسازی علامت ترافیکی…………………. 9
1-3-1-1 آشکارسازی بر اساس رنگ………………….. 10
1-3-1-2 آشکارسازی بر اساس شکل…………………. 10
1-3-1-3 آشکارسازی بر اساس شکل ورنگ………………….. 11
1-3-1-4 آشکارسازی بر اساس یادگیری ماشین…………………. 12
1-3-2 کلاس بندی وشناخت علایم ترافیکی…………………. 12
1-3-2-1 کلاس بندی با شبکه های عصبی مصنوعی…………………. 13
1-3-2-2 کلاس بندی با استفاده از تطبیق الگو………………… 14
1-3-2-3 شناخت علامت توسط دیگر طبقه بندی کننده ها……………….. 14
1-3-2-4 OCR and Pictograms Recognition…………………
1-4 بهدست آوردن موقعیت جغرافیایی محل نصب علایم ترافیکی، ارزیابی محل نصب آن… 15
1-5 ساختار این پایان نامه………………… 16
2-پیشینه تحقیق…………………. 17
2-1 مقدمه………………… 17
2-2 پیشینه تحقیقاتی سیستمهای آشکارسازی علایم ترافیکی…………………. 17
2-2-1 آشکارسازی بر اساس رنگ………………….. 18
2-2-2 آشکارسازی بر اساس شکل…………………. 19
2-2-3آشکارسازی بر اساس شکل ورنگ………………….. 22
2-2-4 آشکارسازی بر اساس یادگیری ماشین…………………. 24
2-2 پیشینه تحقیقاتی سیستمهای شناخت علایم ترافیکی…………………. 24
2-3-1شناخت علایم ترافیکی بوسیله شبکه های عصبی…………………. 25
2-3-2 شناخت علایم ترافیکی بوسیله تطبیق الگو………………… 26
2-3-3 شناخت علامت توسط دیگر طبقه بندی کننده ها……………….. 27
2-3-4 OCR and Pictograms Recognition…………………
3-آشکارسازی علایم ترافیکی…………………. 30
3-1 مقدمه………………… 30
3-2 دلایل دشواری مقایسه بین تکنیکهای آشکارسازی علایم………………… 30
3-3 مشکلاتی که سر راه آشکارسازی و شناسایی علایم ترافیکی قرار دارد….. 31
3-3-1میزان نور متغیر است و قابل کنترل نیست…………………. 31
3-3-2حضور اشیا دیگر………………… 32
3-3-3تفاوت ظاهری علایم………………… 33
3-3-4تغییر فیزیکی علامت………………….34
3-3-5 تغییر رنگ علامت…………………. 35
3-3-6 حرکت بلوری…………………. 35
3-4 رویکردهای آشکارسازی علایم ترافیکی…………………. 36
3-4-1 آشکارسازی علایم ترافیکی بر اساس رنگ………………….. 36
3-4-1-1 بررسی اجمالی فضاهای رنگی…………………. 37
3-4-1-2-1 قطعه بندی آستانه رنگی…………………. 41
3-4-1-2-2 پیوستن پویای پیکسل…………………. 42
3-4-1-2-3 تبدیل به HSI/HSV………………….
3-4-1-2-4 رشد دادن منطقه………………… 42
3-4-1-2-5 شاخص گذاری رنگ………………….. 43
3-4-2 آشکارسازی بر اساس شکل…………………. 43
3-4-2-1 Hierarchal Spatial Feature Matching…………………
3-4-2-2 Hough Transform………………….
3-4-2-3 Similarity Detection…………………
3-4-2-4 Distance Transform Matching…………………
3-4-3 آشکارسازی علامت با استفاده از شکل ورنگ………………….. 46
3-4-4 آشکارسازی بر اساس یادگیری ماشین…………………. 47
4-شناسایی علایم ترافیکی…………………. 49
4-1 مقدمه………………… 49
4-2 شناسایی اشکال توسط ماشین…………………. 49
4-2-1 مشکلاتی که در این راه وجود دارند………………… 50
4-2-1-1 چرخش،بازتاب(آینه)،ترجمه،تغییر مقیاس………………….. 51
4-3 الگوریتمهای شناخت علایم ترافیکی………………… 52
4-3-1شبکه های عصبی…………………. 53
4-3-1-1 شبکه های پس انتشار………………… 54
4-3-1-2 پرسپترون چند لایه………………… 54
4-3-2 تطبیق الگو………………… 55
4-3-3 کلاس بندی با PSO………………….
4-3-4 کلاس بندی با SVM…………………..
4-3-5 شناخت علایم ترافیکی توسط OCR and pictogram………………….
5-طراحی و پیاده سازی سیستم وارزیابی آن………………… 62
5-1 مقدمه………………… 62
5-2آشکارسازی علامت بوسیله ،تجزیه وتحلیل لکه………………… 62
5-2-1 تعریف لکه………………… 62
5-2-2شناسایی مناطق مورد علاقه:……………….. 65
5-2-3فیلترهای میانه دوبعدی…………………. 66
5-2-4 استخراج لبه های اشیا………………..68
5-2-5 حذف لکه های زاید………………… 70
5-2-5-1تجزیه وتحلیل هیستوگرام رنگها ………………..72
5-2-5-2 تجزیه وتحلیل ابعاد علامت:………………..74
5-2-6بلوک دیاگرام آشکارسازی علایم ترافیکی……………….. 77
5-2-7 نتایج بدست آمده برای بخش آشکارسازی علایم ترافیکی…….. 77
5-3 شناسایی علایم ترافیکی……………….. 79
5-3-1شیوه ای بازگشتی برای تقسیم بندی شکل براساس بردار ویژه…… 79
5-3-1-1 محاسبه ماتریس کواریانس……………….. 79
5-3-1-2 استخراج دو مقدار ویژه………………… 80
5-3-1-3 ناحیه بندی شکل بر اساس بردارهای ویژه………………… 81
5-3-1-4 محاسبه مقادیر ویژه وبردارهای ویژه؛ زیر ناحیه ها……. 82
5-3-1-5 محاسبهbounding-box………………..
5-3-2 استخراج پارامترهای مستقل از مقیاس،انحراف،دوران……….. 83
5-3-2-1پارامتر (eigen-ratio)………………..
5-3-2-2 پارامتر (compactness)………………..
5-3-2-3 پارامتر (normal-angle)………………..
5-3-2-4 پارامتر(center)………………..
5-3-3 آزمایش مستقل بودن پارامترها(دوران،انتقال،مقیاس)…. 87
5-3-4 تقسیم بندی علایم ترافیکی بر اساس شکل ظاهری ورنگ آنها …….91
5-3-5 شناسایی شکل کلی علایم ترافیکی،توسط شبکه های عصبی…….. 96
5-3-6 آموزش شبکه های عصبی…………………. 97
5-3-6-1 آموزش شبکه عصبی برای شناسایی شکل کلی علامت……. 98
5-3-6-2 آزمایش صحت کلاس بندی در شبکه عصبی…………………. 99
5-3-7 شناسایی پیام علامت…………………. 102
5-3-8 بلوک دیاگرام سیستم شناسایی علایم ترافیکی بوسیله شبکه عصبی…….. 104
5-3-9 نتایج شناسایی علایم ترافیکی…………………. 105
5-4 تعیین محل نصب علامت و ارزیابی آن………………… 106
5-4-1 سیستم موقعیت یاب جهانی چگونه کار میکند………………… 107
5-4-2 محاسبه محل نصب علامت…………………. 109
5-4-3 ارزیابی علامت ترافیکی…………………. 111
5-4-4 رسم نقاط بر روی نقشه………………… 112
5-4-4-1 سیستم اطلاعات جغرافیای(GIS)………………..
5-4-4-2 تجزیه وتحلیل World file…………………
5-4-5-2 رسم یک نقطه جغرافیایی…………………. 120
5-4-5 نتیجه اجرای کلی الگوریتم وارزیابی نقاط بدست آمده…… 123
6-نتایج وپیشنهادات…………………. 128
7-منابع………………… 129
8-چکیده انگلیسی…………………. 137
چکیده:
در این پایان نامه، قصد داریم روش های آشکار نمودن علایم ترافیکی در تصاویر گرفته شده از آنها و شناسایی این علایم را مورد بررسی قرار دهیم. سپس با استفاده از بهبود روشهای موجود سیستمی را ارایه دهیم که با استفاده از یک دوربین فیلمبرداری سوار شده روی یک وسیله متحرک و یک دستگاه گیرنده GPS Data Logger محل نصب علایم ترافیکی استاندارد را شناسایی و با توجه به آن، ارزیابی کند که آیا علامت در جای مناسبی نصب شده است یا خیر؟ این سیستم می تواند کمک شایانی به مهندسین بزرگراه، برای حفظ ونگهداری از جاده ها نماید. برای اینکار، بایستی که سیستم پیشنهادی ابتدا علایم ترافیکی را تشخیص دهد. در این پروژه، با استفاده از تجزیه وتحلیل لکه واعمال آستانه مناسب، اشیا را در تصویر شناسایی نموده؛ سپس با استفاده از تجزیه وتحلیل هیستوگرام رنگ وتجزیه وتحلیل ابعاد، لکه های اضافه حذف می شوند و با دقت 83.71% علایم ترافیکی بدرستی آشکار شدند. در مرحله بعد باید علایم شناسایی شوند، برای اینکار، علایم ترافیکی را با توجه به رنگ وشکل آنها گروه بندی کرده وبا استفاده از MLEV، بردارهای ویژگی هر علامت را استخراج کرده و با استفاده از بردارهای استخراج شده،یک شبکه عصبی، آموزش می بیند. ابتدا شکل کلی علامت و سپس پیام علامت با استفاده از شبکه عصبی طبقه بندی می شود؛در این مرحله، علایم با دقت 84.74% شناسایی شدند. در مرحله بعد با استفاده از تطابق زمانی، محل نصب هر علامت ترافیکی بدست می آید، وفاصله آن با محل وقوع عارضه(مثل پیچ بعدی) محاسبه می گردد و با توجه به نوع علامت شناسایی شده، ارزیابی می شود. نتایج بدست آمده نشان می دهد که سیستم پیشنهادی می تواند در بهبود وضعیت علایم جاده ای بسیار موثر باشد.
1- مقدمه
ابتدا در این فصل به معرفی علایم ترافیکی وسیستمی که علایم ترافیکی را شناسایی کند، می پردازیم وسپس کارهایی که برای شناسایی صحیح علامت لازم است ،مورد