20939

۲۰۹۳۹

شناسايي علائم ترافيكي با استفاده از تطبيق ويژگي سيفت و طبقه بندي اس وي ام

كارشناسي ارشد

الكترونيك

۱۳۹۸

۱۳۹۸/۴/۳۱

دكتر احمد آيت اللهي

برق

در جوامع امروزي يكي از اساسي ترين نيازهاي هر جامعه بشري استفاده از خطوط حمل و نقل جاده اي و شريان هاي حياتي براي جا به جايي مي باشد. به دليل افزايش وسايل نقليه جهت نظم بخشيدن به عبور و مرور جاده اي به وجود قانوني جهت هدف مند كردن اين امر احساس نياز مي شود. يكي از مهم ترين وسيله هاي مورد استفاده در اين زمينه علائم راهنمايي و رانندگي مي باشد. اين علائم در طول مسير شرايط محيطي و سرعت بهينه وسيله نقيله و هشدارهاي لازم جهت افزايش ايمني مسير حركت نشان مي دهند. امروزه با استفاده از تكنولوژي هاي جديد در جهت افزايش ايمني و كاهش خطرات رانندگي پروژه هاي بسياري انجام شده است از جمله خودرو هاي هوشمند كه قادر مي باشند علايم راهنمايي و رانندگي را به كمك پردازش تصوير تشخيص داده و با تحليل و آناليز نتايج موجود عملكرد بهينه اي از خود انجام مي دهند. در اين پژوهش به منظور افزايش ايمني و كاهش خطاهاي انساني در حين رانندگي تلاش مي شود تا با استفاده از الگوريتم انتقال ويژگي مقياس مقاوم (SIFT) و طبقه بند ماشين بردار پشتبان (SVM) براي تشخيص تابلوهاي راهنمايي رانندگي استفاده شود. الگوريتم هاي مختلفي براي تشخيص تابلوهاي راهنمايي رانندگي استفاده شده اند از جمله شبكه عصبي و الگوريتم HOG و SURF و غيره. به علت متحرك بودن وسيله نقليه و تغيير مقياس تصوير تابلوهاي راهنمايي و رانندگي در زمان حركت خودرو انتظار مي رود از الگوريتمي استفاده شود كه در هنگام شناسايي تابلو راهنمايي و رانندگي نسبت به تغيير مقياس مقاوم باشد در نتيجه ما در اين پژوهش مي خواهيم از الگوريتم مقياس مقاوم SIFT براي شناسايي تابلوها استفاده كنيم و در آخر به كمك طبقه بند SVM تابلوهاي شناسايي شده را از هم تفكيك كنيم. لازم به ذكر است كه الگوريتم SIFT در هنگام شناسايي اشيا نسبت به تغييرات شدت روشنايي و تغيير زاويه ديد و تغيير مقياس و تغيير چرخش تصوير بسيار مقاوم بوده و در اين زمينه يه الگوريتم كارآمد و قدرتمند مي باشد كه در اين پروژه بنا به نياز از اين مزاياي الگوريتم SIFT براي هوشمند سازي خودرو ها در زمينه تابلو خواني مورد استفاده قرار مي گيرد.

1398/05/22

traffic sign recognition using sift features matching and svm classifier

8/13/2019 12:00:00 AM

In today's society, one of the most basic needs of any human society is the use of road transport. Due to the increasing number of vehicles to regulate road traffic, there is a need for legislation to target this. So, one of the most essential used tools in this area is the traffic signs. Nowadays, with the help of new technologies such as smart cars, traffic signs can be detected by image processing to enhance safety and reduce driving hazards. Hence, in this study, we used the Scale Invariant Feature Transform (SIFT) and Support Vector Machine (SVM) classification for detection of traffic signs. The SIFT algorithm is highly resistant to object variations in brightness, viewing angle, scale and image rotation. Therefore, it is an efficient and robust algorithm. This work has many applications, such as the reading boards in smart cars.