در سال های اخیر، شناسایی اتوماتیک عابرین پیاده از روی تصاویر مادون قرمز برای پایش هوشمند عبور و مرور عابرین و ابزار کمکی برای رانندگان، اهمیت فوق العاده ای پیدا نموده است. از سویی دیگر به دلایل امنیتی، شناسایی عابرین پیاده مورد توجه سامانه های کنترل شهری نیز قرار دارد. لیکن شناسایی عابرین پیاده به علل گوناگون از جمله ماهیت متغیر ظاهر و نمود افراد پیاده، به ویژه در فضای آزاد، بسیار مشکل است. به منظور رفع این مشکلات و تسهیل در فرآیند شناسایی و رهگیری عابرین پیاده، ایده استفاده از سیستم های هوشمند به ویژه شبکه های عصبی در دستور کار محققین این حوزه قرار گرفته است.
بدین منظور در این پایان نامه، سیستمی مبنی بر شبکه های عصبی مصنوعی برای شناسایی و ردگیری عابرین پیاده ارائه شده است. این سیستم ابتدا با تحلیل تصاویر مادون قرمز براساس سطوح روشنایی، نواحی مورد علاقه (ROI) را تقطیق می نماید. چندین ویژگی تصویر شامل گشتاورهای نامتغیر (Hu invariant)، آنتروپی سطوح روشنایی (Gray image entropy)، تبدیل ویولت مختلط دو درختی چگالی دوگانه ( CWT 2-D DD-DT) و مجموع مقادیر پیکسل ها در هر سطر از تصاویر مورد نظر استخراج گردید که این ویژگی های استخراج شده از نواحی مورد علاقه عنوان ورودی به شبکه عصبی از نوع Fuzzu ART-MAP معرفی گردید. این شبکه با استفاده از ورودی های معرفی شده به آن آموزش داده شده و با استفاده از بخش آموزش نیافته آن مورد آزمایش قرار گرفته است و دقت شبکه مورد ارزیابی قرار می گیرد. با انجام آموزش و آزمایش شبکه ها مشخص شد که ویژگی تصویر از نوع تبدیل ویولت مختلط دو درختی چگالی دوگانه مناسب ترین ویژگی برای شناسایی عابرین پیاده می باشد. پس از کسب اطمینان از دقت مورد نظر، از این شبکه به عنوان هسته شناسایی و ردگیری در سیستم پیشنهادی استفاده گردید. در ادامه با استفاده از سیستم شناسایی تصاویر طراحی شده و با کمک فیلتر کالمن نسبت به ردگیری عابرین پیاده اقدام شد. با انجام آزمایشات بر روی تصاویر ثبت شده در پایگاه داده ای گرمایی عابر پیاده OSU (که توسط دانشگاه ایالتی اوهایو گردآوری شده است)، نشان داده شد که سیستم طراحی شده با دقت بیش از 96 درصد قادر به شناسایی و درگیری عابرین پیاده می باشد.
مقدمه
شناسایی عابرین پیاده از روی تصاویر مادون قرمز از جنبه های گوناگونی اهمیت دارد. برخی از این کاربردها ابزار مناسبی برای پایش هوشمند عبور و مرور عابرین پیاده است و برخی دیگر به عنوان ابزار کمکی برای رانندگان مطرح است. از سویی دیگر به دلایل امنیتی، شناسایی عابرین پیاده از جنبه مدیریت شهری و مدیریت بحران اهمیت ویژه ای برای مدیران و سیستم های امنیت شهری دارد. برای کنترل این امور استفاده از دوربین های مادون قرمز یکی از پر کاربردترین ابزار جمع آوری داده ها تصویری می باشد که دارای قابلیت های انکار ناپذیری از جمله توانایی ثبت وقایع در موقعیت های نامناسب آب و هوایی و همچنین مواقع شب و مه آلود می باشد. با وجود نصب این گونه دوربین ها و گستردگی آنها، مشکلات زیادی در پیش روی تحلیل کنندگان این تصاویر وجود دارد. از جمله این مشکلات می توان به ماهیت متغیر ظاهر و نمود افراد پیاده، به ویژه در فضای آزاد، اشاره نمود. به منظور رفع این مشکلات و تسهیل در فرآیند شناسایی و رهگیری عابرین پیاده، ایده استفاده از سیستم های هوشمند به ویژه شبکه های عصبی در دستور کار محققین این حوزه قرار گرفته است.
در این پایان نامه قصد بر آن است تا با ارائه روشی مبتنی بر شبکه های عصبی مصنوعی سیستمی برای شناسایی و ردگیری عابرین پیاده ارائه گردد که بتوان از آن در تحلیل رفتار افراد در حال حرکت در محیط های شهری مورد استفاده قرار گیرد.
این پایان نامه در هفت فصل تدوین شده است. فصل اول به بیان مفاهیم و تعاریف اولیه چون معرفی امواج مادون قرمز، کاربردها و مشکلات مادون قرمز، اهداف، ابزارهای گردآوری داده اختصاص داده شده است. در فصل دوم روش های مختلف شناسایی عابرین پیاده توسط تصاویر مادون قرمز بررسی می شود. فصل سوم روش های مختلف ردگیری از جمله فیلتر کالمن و فیلتر ذره ای معرفی می شود. در فصل چهارم راهکارهای مختلف استخراج ویژگی ها از جمله ویولت، گشتاورهای نامتغیر و… ارائه شده است. فصل پنجم به معرفی شبکه عصبی اختصاص داده شده است. در این فصل مفاهیم اولیه شبکه عصبی، شبکه های ART1 و ART2، شبکه عصبی Fuzzu ART و شبکه عصبی Fuzzy ARTMAP مورد بحث قرار گرفته است. در فصل ششم روند انجام پروژه بیان می شود. در این فصل چگونگی به کارگیری و مفاهیم ارائه شده در فصل های پیشین برای رسیدن به اهداف مورد نظر گنجانده شده است. فصل هفتم در برگیرنده نتایج و پیشنهادات حاصل از انجام این پروژه است.
شامل 160 صفحه فایل pdf