شمارش خودروها در بزرگراه‌ها با استفاده از تکنیک‌های يادگيري وبينايي ماشين

اﻣﺮوزه اﻓﺰاﯾﺶ وسایل نقلیه و ﺟﻮاﺑﮕﻮ ﻧﺒﻮدن سیستم‌ های ﮐﻨﺘﺮل ﺳﻨﺘﯽ، ﺑﺎﻋـﺚ اﯾﺠـﺎد سیستم‌ های کنترل ﺗﺮاﻓﯿﮏ به‌صورت ﻫﻮﺷﻤﻨﺪ ﺷﺪه اﺳﺖ. اﯾﻦ ﻋﺎﻣﻞ، ﺳﺒﺐ ﮐﻨﺘﺮل و ﻣﺪﯾﺮﯾﺖ ﺑﻬﺘﺮ ﺷـﻬﺮي و اﻓﺰاﯾﺶ ﺿﺮﯾﺐ اﻃﻤﯿﻨﺎن جاده ‌ها و بزرگراه‌ ها می‌شود. ﻫﺪف اصلی اﯾﻦ تحقیق ﺗﺸﺨﯿﺺ و شمارش وسایل نقلیه ﺑﺎ اﺳﺘﻔﺎده از تکنیک ‌های یادگیری و ﺑﯿﻨﺎﯾﯽ ماشین ﻣـﯽﺑﺎﺷـﺪ. در اﯾـﻦ پژوهش ﻣـﺎ از یک دوربین ﺛﺎﺑﺖ ﮐﻪ در ارﺗﻔﺎﻋﯽ مناسب از ﺳﻄﺢ ﺟﺎده و ﺑﺎ زاوﯾـﻪ ﮐـﻢ قرار می گیرد ﺑـﺮاي عملیات ﻧﻈﺎرت ﺗﺮاﻓﯿﮑﯽ اﺳﺘﻔﺎده کرده‌ایم. ﺑﺮاي اﻧﺠﺎم روش‌های ارائه‌شده ، ﯾﮏ ﻗﺴﻤﺖ از ﺑﺰرﮔﺮاه را اﻧﺘﺨـﺎب ﻣﯽﮐﻨﯿﻢ ﺗﺎ پردازش‌ های ﻻزم در ﻣﺤﺪوده ﻣﻮردﻧﻈﺮ اﻧﺠﺎم ﮔﯿﺮد. اﻟﮕﻮرﯾﺘﻢ استفاده‌شده ﺷـﺎﻣﻞ ﺳـﻪ ﻣﺮﺣﻠﻪ ﮐﻠﯽ می‌باشد. اﺑﺘﺪا ﺑﺎ تکنیک ‌های ﭘﺮدازش ﺗﺼﻮﯾﺮ وسایل نقلیه ﻣﺘﺤﺮك درصحنه‌ های ﺗﺮاﻓﯿﮏ ﺗﺸﺨﯿﺺ داده می‌شود. در ﻣﺮﺣﻠﻪ ﺑﻌﺪي وﺳﺎﯾﻞ ﻧﻘﻠﯿـﻪ ﻧﺰدﯾـﮏ ﺑـﻪ دورﺑـﯿﻦ انتخاب‌شده و عمل پردازش و اﺳﺘﺨﺮاج ویژگی‌های ﻣﻮردﻧﻈﺮ اﻧﺠﺎم می‌گردد. اﯾﻦ ویژگی ‌ها ﺑﻪ ﺷـﺒﮑﻪ عصبی اعمال می‌گردد، ﺑﻪ ﺻﻮرﺗﯽ ﮐﻪ ﺧﺮوﺟﯽ ﺷﺒﮑﻪ ﻋﺼﺒﯽ تعداد وسیله نقلیه ﻋﺒﻮري را ﻣﺸـﺨﺺﻣـﯽﮐﻨـﺪ. ﻣﺪل اراﺋﻪ ﺷﺪهﻗﺎدر ﺑﻪ تشخیص و شمارش ﺧﻮدروﻫـﺎي ﺳـﺒﮏ و ﺳﻨﮕﯿﻦ ﻣﯽﺑﺎﺷﺪ. الگوریتم‌ پیشنهادشده ﻗﺎدر ﺑﻪ شمارش وﺳﺎﯾﻞ ﻧﻘﻠﯿﻪ ﻋﺒﻮري در زﻣﺎن واﻗﻌﯽ می‌باشد. ﺑﺮاي اﯾﻦ ﻣﻨﻈﻮر ﻣﺎ از چهار روش اﺳﺘﻔﺎده ﮐـﺮدﯾﻢ. روش اول اﺳﺘﻔﺎده از الگوریتم حباب بود الگوریتم دﯾﮕﺮ ارائه‌ شده اﺳـﺘﻔﺎده از روش دایره ،کرنر و ترکیب آنها می‌باشد. نتایج بدست آمده از آزمایشات ارزیابی سیستم نشان می دهد که روش ترکیب با بهره گیری از شبکه عصبی کمترین خطا را در تشخیص تعداد خودروها را دارد.

وﺳﺎﯾﻞﻧﻘﻠﯿﻪ، ﮐﻨﺘﺮل ﺗﺮاﻓﯿﮏ، ﺑﯿﻨﺎﯾﯽ ماشین، حباب، تبدیل هاف دایره ،کرنر، ﺷﺒﮑﻪ ﻋﺼﺒﯽ