محمد مهدی احمدی - دانشگاه ازاد اسلامی

در این مقاله ، قصد داریم روش های آ شکار نمودن علایم ترافیکی در تصاویر گرفته شده از آنها و شناسایی این علایم را موردبررسی قرار دهیم. سپس با استفاده از بهبود روشهای موجود سیستمی را ارایه دهیم که با استفاده از یک دوربین فیلمبرداری سوار شده ر وییک وسیله متحرک و یک دستگاه گیرنده GPS Data Logger محل نصب علایم ترافیکی شهری استاندارد را شناسایی و با توجه به آن،ارزیابی کند که آیا علامت در جای منا سبی نصب شده است یا خیر؟ این سیستم می تواند کمک شایانی به مهندسین بزرگراه، برای حفظونگهداری از جاده ها نماید. برای اینکار، بایستی که سیستم پیشنهادی ابتدا علایم ترافیکی را تشخیص دهد. در این پروژه، با استفاده از تجزیهوتحلیل لکه واعمال آ ستانه مناسب، اشیا را در تصویر شنا سایی نموده؛ سپس با استفاده از تجزیه وتحلیل هیستوگرام رنگ وتجزیه وتحلیلابعاد، لکه های اضافه حذف می شوند و با دقت ۸۳.۷۱ % علایم ترافیکی بدرستی آشکار شدند. در مرحله بعد باید علایم شناسایی شوند، برایاینکار، علایم ترافیکی را با توجه به رنگ و شکل آنها گروه بندی کرده وبا استفاده از MLEV ، بردارهای ویژگی هر علامت را استخراج کرده و بااستفاده از بردارهای استخراج شده،یک شبکه عصبی، آموزش می بیند. ابتدا شکل کلی علامت و سپس پیام علامت با استفاده از شبکه عصبیطبقه بندی می شود؛در این مرحله، علایم با دقت ۸۴.۱۴ % شناسایی شدند. در مرحله بعد با استفاده از تطابق زمانی، محل نصب هر علامتترافیکی بدست می آید، وفاصله آن با محل وقوع عارضه (مثل پیچ ) محاسبه می گردد و با توجه به نوع علامت شناسایی شده، ارزیابیمی شود. نتایج بدست آمده نشان می دهد که سیستم پیشنهادی می تواند در بهبود وضعیت علایم جاده ای بسیار موثر باشد.

علائم ترافیک، شهرداری، هوش مصنوعی