شمارش خودروها در بزرگراه‌ها با استفاده از تکنیک‌های يادگيري وبينايي ماشين

اﻣﺮوزه اﻓﺰاﯾﺶ وسایل نقلیه و ﺟﻮاﺑﮕﻮ ﻧﺒﻮدن سیستم‌های ﮐﻨﺘﺮل ﺳﻨﺘﯽ، ﺑﺎﻋـﺚ اﯾﺠـﺎد سیستم‌های کنترل ﺗﺮاﻓﯿﮏ به‌صورت ﻫﻮﺷﻤﻨﺪ ﺷﺪه اﺳﺖ. اﯾﻦ ﻋﺎﻣﻞ، ﺳﺒﺐ ﮐﻨﺘﺮل و ﻣﺪﯾﺮﯾﺖ ﺑﻬﺘﺮ ﺷـﻬﺮي و اﻓﺰاﯾﺶ ﺿﺮﯾﺐ اﻃﻤﯿﻨﺎن جاده‌ها و بزرگراه‌ها می‌شود. ﻫﺪف ﮐﻠﯽ اﯾﻦ ﭘﺮوژه ﺗﺸﺨﯿﺺ و شمارش وسایل نقلیه ﺑﺎ اﺳﺘﻔﺎده از تکنیک‌های یادگیری و ﺑﯿﻨﺎﯾﯽ ماشین ﻣـﯽﺑﺎﺷـﺪ. در اﯾـﻦ ﺗﺤﻘﯿـﻖ 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 پردازش‌های ﻻزم در ﻣﺤﺪوده ﻣﻮردﻧﻈﺮ اﻧﺠﺎم ﮔﯿﺮد.¬اﻟﮕﻮرﯾﺘﻢ استفاده‌شده ﺷـﺎﻣﻞ ﺳـﻪ ﻣﺮﺣﻠﻪ ﮐﻠﯽ می‌باشد.¬اﺑﺘﺪا ﺑﺎ تکنیک‌های ﭘﺮدازش ﺗﺼﻮﯾﺮ وسایل نقلیه ﻣﺘﺤﺮك درصحنه‌های ﺗﺮاﻓﯿﮏ ﺗﺸﺨﯿﺺ داده می‌شود.در ﻣﺮﺣﻠﻪ ﺑﻌﺪي وﺳﺎﯾﻞ ﻧﻘﻠﯿـﻪ ﻧﺰدﯾـﮏ ﺑـﻪ دورﺑـﯿﻦ انتخاب‌شده و عمل پردازش و اﺳﺘﺨﺮاج ویژگی‌های ﻣﻮردﻧﻈﺮ اﻧﺠﺎم می‌گردد. اﯾﻦ ویژگی‌ها ﺑﻪ ﺷـﺒﮑﻪ عصبی اعمال می‌گردد، ﺑﻪ¬ﺻﻮرﺗﯽ ﮐﻪ ﺧﺮوﺟﯽ ﺷﺒﮑﻪ ﻋﺼﺒﯽ وسیله نقلیه ﻋﺒﻮري را ﻣﺸـﺨﺺﻣـﯽﮐﻨـﺪ. ﻣﺪل اراﺋﻪ ﺷﺪهﻗﺎدرﺑﻪتشخیص وشمارشﺧﻮدروﻫـﺎيﺳـﺒﮏوﺳﻨﮕﯿﻦﻣﯽﺑﺎﺷﺪ. الگوریتم‌های پیشنهادشده ¬ﻗﺎدر ﺑﻪ تشخیص ﮐﻠﯿﻪ وﺳﺎﯾﻞ ﻧﻘﻠﯿﻪ ﻋﺒﻮري در زﻣﺎن واﻗﻌﯽ می‌باشند. ﺑﺮاي اﯾﻦ ﻣﻨﻈﻮر ﻣﺎ از چهار روش اﺳﺘﻔﺎده ﮐـﺮدﯾﻢ. روش اول اﺳﺘﻔﺎده از الگوریتم حباب بود الگوریتم دﯾﮕﺮ ارائه‌شده اﺳـﺘﻔﺎده از روش دایره¬،کرنر و شبکه عصبی می‌باشد. نتایج بدست آمده از آزمایشات ارزیابی سیستم نشان می¬دهد که روش شبکه عصبی کمترین خطا را در تشخیص تعداد خودروها را دارد.