چکیده: تشخیص بلادرنگ علائم ترافیکی، یا تعیین محل کردن علائم ترافیکی در تصاویر طبیعی، یک کار چالش برانگیز در بینایی ماشین، در رابطه با صنعت است. تاکنون الگوریتمهای مختلفی ارائه شده است و سیستمهای پیشرفتهی دستیار راننده با حمایت از تشخیص و شناسایی علائم ترافیکی، به بازار رسیده اند. با وجود رویکردهای رقابتی بسیار، اتفاق نظر روشنی در مورد آنچه که به عنوان بالاترین سطح توسعه مدنظر باشد، وجود ندارد. هدف ما از عبارت " معیار تشخیص علامت ترافیک آلمانی" معرفی یک رقابت ( مسابقه) در کنفرانس مشترک بین المللی شبکه های عصبی در سال 2013، است. ما یک مجموعه داده های معیار دنیای واقعی را برای تشخیص علامت ترافیکی همراه با انتخاب معیارهای دقیق ارزیابی، نتایج پایهای و یک رابط کاربری وب برای مقایسهی رویکردها، معرفی میکنیم. در این بررسی، ما تشخیص علامت را از طبقه بندی، تفکیک میکنیم. اما هنوز هم اندازهگیری عملکرد مربوط به دستههای علائم، منجر به ایجاد راه حل های تخصصی برای تعیین معیار میشود. در این مقاله به برخی از مهم ترین و محبوب ترین روشهای تشخیص، مانند آشکارساز ویولا- جونز، مبتنی بر ویژگیهای هار و یک طبقه بند خطی متکی بر توصیف HOG، که به عنوان الگوریتمهای پایهای درنظرگرفته شده اند، اشاره میکنیم. علاوه بر این، به تازگی الگوریتمی خاص این مسئله پیشنهاد شده است که شکل و رنگ را استخراج و سپس از طریق رایگیری مدل مبتنی بر هاف، طرح ارزیابی میشود. و در نهایت، ما الگوریتمهایی با بهترین عملکرد را در کنفرانس مشترک بین المللی شبکه های عصبی ارائه میکنیم.
این پروژه یکی از بهترین و کامل ترین شبیه سازهایی است که تحت برنامه متلب برای تشخیص علائم راهنمایی و رانندگی نوشته شده است.
این برنامه از روی 2 مقاله مرجعی که به زبان فارسی و در این زمینه نوشته شده اند پیاده سازی شده است.شما عزیزان می توانید برای کسب اطلاعات بیشتر در این زمینه و مطالعه فایل پی دی اف این دو پروژه به صورت رایگان اینجا را کلیک نمایید.
همچنین برای راحتی حال عزیزانی که مایل به استفاده از این دو مقاله هستند، فایل ورد این دو مقاله نیز به صورت قابل ویرایش در پکیج پروژه قرار دارد.
ویدئویی برای نشان دادن نحوه کار برنامه نیز از این لینک قابل دریافت است.
عکس از محیط برنامه:
پروژه تشخیص علائم ترافیکی با آشکارساز ویولا جونز و HOG با نرم افزار MATLAB