سایت مرجع دانلود پایان نامه -پشتیبانی 09361998026

دانلود پایان نامه ارائه یک مدل ارزیابی علائم ترافیکی مبتنی بر تشخیص اتوماتیک

ارسال شده در سایت پایان نامه

دانشکده آموزشهای الکترونیکی

 پایان نامه کارشناسی ارشد در رشته مهندسی فناوری اطلاعات-تجارت الکترونیک

 ارائه یک مدل ارزیابی علائم ترافیکی مبتنی بر تشخیص اتوماتیک این علائم و مکان قرارگیری آنها

 استاد راهنما:

دکتر مهران یزدی

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

 چکیده 

در این پایان نامه،  قصد داریم روش های  آشکار نمودن علایم ترافیکی در تصاویر گرفته شده از آنها و شناسایی این علایم را مورد بررسی قرار دهیم. سپس با استفاده از بهبود روشهای موجود سیستمی را ارایه  دهیم  که با استفاده از یک دوربین فیلمبرداری سوار شده روی یک وسیله متحرک و یک دستگاه گیرنده GPS Data Logger محل نصب علایم ترافیکی استاندارد را شناسایی و با توجه به آن، ارزیابی  کند که آیا علامت در جای مناسبی نصب  شده است یا خیر؟ این سیستم می تواند کمک شایانی به مهندسین بزرگراه، برای حفظ ونگهداری از جاده ها نماید. برای اینکار، بایستی که سیستم پیشنهادی  ابتدا  علایم ترافیکی را تشخیص دهد. در این پروژه، با استفاده از تجزیه وتحلیل لکه واعمال آستانه مناسب، اشیا را در تصویر شناسایی نموده؛ سپس با استفاده از  تجزیه وتحلیل هیستوگرام رنگ وتجزیه وتحلیل ابعاد، لکه های اضافه حذف می شوند و با دقت 83.71% علایم ترافیکی بدرستی آشکار شدند. در مرحله بعد باید علایم شناسایی شوند، برای اینکار، علایم ترافیکی را با توجه به رنگ وشکل آنها گروه بندی کرده وبا استفاده از MLEV، بردارهای ویژگی هر علامت را استخراج کرده و با استفاده از بردارهای استخراج شده،یک شبکه عصبی، آموزش می بیند. ابتدا شکل کلی علامت و سپس پیام علامت با استفاده از شبکه عصبی طبقه بندی می شود؛در این مرحله، علایم با دقت 84.74%  شناسایی شدند. در مرحله بعد با استفاده از تطابق زمانی، محل نصب هر علامت ترافیکی  بدست می آید، وفاصله آن  با محل وقوع عارضه(مثل پیچ بعدی) محاسبه می گردد و با توجه به نوع علامت شناسایی شده، ارزیابی می شود. نتایج بدست آمده نشان می دهد که سیستم پیشنهادی می تواند در بهبود وضعیت علایم جاده ای بسیار موثر باشد.

فهرست مطالب

1-مقدمه. 1

1-1-دلایل احساس نیاز به سیستم شناسایی علایم ترافیکی.. 1

1-1-2 علایم ترافیکی.. 2

1-1-2-1:علایم اخطاری(هشدار دهنده) 2

1-1-2-2-تابلوهای انتظامی(مقرراتی) 3

1-1-2-3-تابلوهای اخباری(اطلاعاتی) 3

1-1-2-4-علایم راهنمای مسیر. 4

1-1-2-5-علایم مکمل.. 4

1-1-2-6-تابلوهای محلی.. 4

1-2 کاربرد آشکارسازی وشناسایی علایم ترافیکی 5

1-2-1 سیستم های پشتیبان راننده. 6

1-2-2 سیستم های دستیار راننده. 7

1-3 اهداف پایان نامه. 9

1-3- 1 آشکارسازی علامت ترافیکی.. 9

1-3-1-1 آشکارسازی بر اساس رنگ… 10

1-3-1-2 آشکارسازی بر اساس شکل.. 10

1-3-1-3 آشکارسازی بر اساس شکل ورنگ… 11

1-3-1-4 آشکارسازی بر اساس یادگیری ماشین.. 12

1-3-2  کلاس بندی وشناخت علایم ترافیکی.. 12

1-3-2-1  کلاس بندی با شبکه های عصبی مصنوعی.. 13

1-3-2-2 کلاس بندی با استفاده از تطبیق الگو. 14

1-3-2-3 شناخت علامت توسط دیگر طبقه بندی کننده ها 14

1-3-2-4 OCR and Pictograms Recognition. 15

1-4 بهدست آوردن موقعیت جغرافیایی محل نصب علایم ترافیکی، ارزیابی محل نصب آن. 15

1-5 ساختار این پایان نامه. 16

 2-پیشینه تحقیق.. 17

2-1 مقدمه. 17

2-2 پیشینه تحقیقاتی سیستمهای آشکارسازی علایم ترافیکی.. 17

2-2-1 آشکارسازی بر اساس رنگ… 18

2-2-2 آشکارسازی بر اساس شکل.. 19

2-2-3آشکارسازی بر اساس شکل ورنگ… 22

2-2-4 آشکارسازی بر اساس یادگیری ماشین.. 24

2-2 پیشینه تحقیقاتی سیستمهای شناخت علایم ترافیکی.. 24

2-3-1شناخت علایم ترافیکی بوسیله شبکه های عصبی.. 25

2-3-2 شناخت علایم ترافیکی بوسیله تطبیق الگو. 26

2-3-3 شناخت علامت توسط دیگر طبقه بندی کننده ها 27

2-3-4 OCR and Pictograms Recognition. 28

 3-آشکارسازی علایم ترافیکی.. 30

3-1 مقدمه. 30

3-2 دلایل دشواری مقایسه بین تکنیکهای آشکارسازی علایم. 30

3-3 مشکلاتی که سر راه آشکارسازی و شناسایی علایم ترافیکی قرار دارد. 31

3-3-1میزان نور متغیر است و قابل کنترل نیست.. 31

3-3-2حضور اشیا دیگر. 32

3-3-3تفاوت ظاهری علایم. 33

3-3-4تغییر فیزیکی علامت.. 34

3-3-5 تغییر رنگ علامت.. 35

3-3-6 حرکت بلوری.. 35

3-4 رویکردهای آشکارسازی علایم ترافیکی.. 36

3-4-1 آشکارسازی علایم ترافیکی بر اساس رنگ… 36

3-4-1-1 بررسی اجمالی فضاهای رنگی.. 37

3-4-1-2-1 قطعه بندی آستانه رنگی.. 41

3-4-1-2-2 پیوستن پویای پیکسل.. 42

3-4-1-2-3  تبدیل به HSI/HSV.. 42

3-4-1-2-4 رشد دادن منطقه. 42

3-4-1-2-5 شاخص گذاری رنگ… 43

3-4-2 آشکارسازی بر اساس شکل.. 43

3-4-2-1  Hierarchal Spatial Feature Matching. 44

3-4-2-2 Hough Transform.. 44

3-4-2-3 Similarity Detection. 45

3-4-2-4 Distance Transform Matching. 45

3-4-3 آشکارسازی علامت با استفاده از شکل ورنگ… 46

3-4-4 آشکارسازی بر اساس یادگیری ماشین.. 47

 4-شناسایی علایم ترافیکی.. 49

4-1 مقدمه. 49

4-2 شناسایی اشکال توسط ماشین.. 49

4-2-1 مشکلاتی که در این راه وجود دارند. 50

4-2-1-1 چرخش،بازتاب(آینه)،ترجمه،تغییر مقیاس… 51

4-3 الگوریتمهای شناخت علایم ترافیکی.. 52

4-3-1شبکه های عصبی.. 53

4-3-1-1 شبکه های پس انتشار. 54

4-3-1-2 پرسپترون چند لایه. 54

4-3-2 تطبیق الگو. 55

4-3-3 کلاس بندی با PSO.. 56

4-3-4 کلاس بندی با SVM… 57

4-3-5 شناخت علایم ترافیکی توسط OCR and pictogram.. 61

 5-طراحی و پیاده سازی سیستم وارزیابی آن. 62

5-1 مقدمه. 62

5-2آشکارسازی علامت بوسیله ،تجزیه وتحلیل لکه. 62

5-2-1 تعریف لکه. 62

5-2-2شناسایی مناطق مورد علاقه: 65

5-2-3فیلترهای میانه دوبعدی.. 66

5-2-4 استخراج لبه های اشیا: 68

5-2-5 حذف لکه های زاید. 70

5-2-5-1تجزیه وتحلیل هیستوگرام رنگها 72

5-2-5-2 تجزیه وتحلیل ابعاد علامت: 74

5-2-6بلوک دیاگرام آشکارسازی علایم ترافیکی : 77

5-2-7 نتایج بدست آمده برای بخش آشکارسازی علایم ترافیکی.. 77

5-3 شناسایی علایم ترافیکی: 79

5-3-1شیوه ای بازگشتی برای تقسیم بندی شکل براساس بردار ویژه. 79

5-3-1-1 محاسبه ماتریس کواریانس: 79

5-3-1-2 استخراج دو مقدار ویژه. 80

5-3-1-3 ناحیه بندی شکل بر اساس بردارهای ویژه. 81

5-3-1-4 محاسبه مقادیر ویژه وبردارهای ویژه؛ زیر ناحیه ها 82

5-3-1-5 محاسبهbounding-box: 83

5-3-2 استخراج پارامترهای مستقل از مقیاس،انحراف،دوران. 83

5-3-2-1پارامتر (eigen-ratio) 84

5-3-2-2 پارامتر (compactness) 84

5-3-2-3 پارامتر (normal-angle) 85

5-3-2-4 پارامتر(center) 86

5-3-3 آزمایش مستقل بودن پارامترها(دوران،انتقال،مقیاس) 87

5-3-4 تقسیم بندی علایم ترافیکی بر اساس شکل ظاهری ورنگ آنها 91

5-3-5 شناسایی شکل کلی علایم ترافیکی،توسط شبکه های عصبی.. 96

5-3-6 آموزش شبکه های عصبی.. 97

5-3-6-1 آموزش شبکه عصبی برای شناسایی شکل کلی علامت.. 98

5-3-6-2 آزمایش صحت کلاس بندی در شبکه عصبی.. 99

5-3-7 شناسایی پیام علامت.. 102

5-3-8 بلوک دیاگرام سیستم شناسایی علایم ترافیکی بوسیله شبکه عصبی.. 104

5-3-9 نتایج شناسایی علایم ترافیکی.. 105

5-4 تعیین محل نصب علامت و ارزیابی آن. 106

5-4-1 سیستم موقعیت یاب جهانی چگونه کار میکند. 107

5-4-2 محاسبه محل نصب  علامت.. 109

5-4-3 ارزیابی علامت ترافیکی.. 111

5-4-4 رسم نقاط بر روی نقشه. 112

5-4-4-1 سیستم اطلاعات جغرافیای(GIS) 112

5-4-4-2 تجزیه وتحلیل World file. 114

5-4-5-2 رسم یک نقطه جغرافیایی.. 120

5-4-5 نتیجه اجرای کلی  الگوریتم وارزیابی نقاط بدست آمده. 123

 6-نتایج وپیشنهادات.. 128

 7-منابع. 129

8-چکیده انگلیسی.. 137

1-مقدمه

 ابتدا در این فصل به معرفی علایم ترافیکی وسیستمی که علایم ترافیکی را شناسایی کند، می پردازیم وسپس کارهایی که برای شناسایی صحیح علامت لازم است ،مورد بررسی قرار خواهد گرفت؛ درنهایت هم ساختار این پایان نامه را توضیح می­دهیم.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید

 

مطالب مشابه را هم ببینید

141985615752731

فایل مورد نظر خودتان را پیدا نکردید ؟ نگران نباشید . این صفحه را نبندید ! سایت ما حاوی حجم عظیمی از پایان نامه ، تحقیق ، پروژه و مقالات دانشگاهی در رشته های مختلف است. مطالب مشابه را هم ببینید یا اینکه برای یافتن فایل مورد نظر کافیست از قسمت جستجو استفاده کنید. یا از منوی بالای سایت رشته مورد نظر خود را انتخاب کنید و همه فایل های رشته خودتان را ببینید فروش آرشیو پایان نامه روی دی وی دی

aca@

academicbooks@

پایان نامه تحلیل محتوای دیوان اشعار فارسی استاد شهریار از حیث توجه به ابعاد اجتماعی دین
پایان نامه ارتباط علّی بین احساس خودسودمندی، خطرپذیری روانی و اجرای شناگران
پایان نامه نقش فضایل و رذائل در ادراک از منظر قرآن و سنّت
پایان نامه : رابطه بین دینداری اسلامی و ادراک ساکنین از پیامدهای فرهنگی- اجتماعی گردشگری
پایان نامه رابطه هوش هیجانی با خودکارامدی مدیران