تشخیص و بازشناسی علایم راهنمایی و رانندگی با استفاده از روش مبتنی بر مکانیزم توجه و رو شهای طبقه بندی کلاسیک و ماشین بردار پشتیبان

ایجاد و گسترش سیستم های هوشمند درحوزه حمل و نقل و بویژه شناسایی علایم راهنمایی و رانندگی، یکی از چالش های مهم در سا لهایاخیر بوده است. تشخیص و بازشناسی، دو مرحله اصلی شناسایی علایم ترافیکی هستند. روش های مختلفی برای انجام این دو مرحله پیشنهادشده است. در این مقاله، روشی برای مکانیابی، تشخیص و بازشناسی علایم ترافیکی از نوع انتظامی ارایه شده است؛ به کمک روشی مبتنیبر مکانیزم توجه و با بهره گیری از جعبه ابزار saliency امکان حضور علایم، در تصاویر تهیه شده از صحنه های ترافیکی، سنجیده و نواحیمهم تصاویر و از جمله علامت ترافیکی در قالب نقشه هایی استخراج شد. برای مرحله بازشناسی و طبقه بندی علایم، تصاویر مربوط بههریک از علامت ها، برحسب نوع، در گروه های مختلف تقسیم بندی شدند. در مرحله بعد با استفاده از روش استخراج ویژگی sift ، نقاطکلیدی هر یک از تصاویر استخراج و روندی برای ایجاد هیستوگرام های نشان دهنده بردار ویژگی پیشنهاد شد. مقایسه هیستوگرام هایبه دست آمده از تصاویر تست با هیستوگرام های تصاویر آموزش منجر به بازشناسی و طبقه بندی تصاویر تست گردید. طبقه بندهایمورد استفاده، روش k نزدیک ترین همسایگی با معیارهای فاصله )فاصله اقلیدسی، 2x و منهتن( و نیز روش ماشین بردار پشتیبان ) )svmاست. در روش پیشنهادی، تشخیص علایم، بدون نیاز به روش های پیش پردازش اضافی و با دقت بالایی انجام گرفت، علیرغم وجود تنوعدر علایم بکار رفته در هر گروه، نرخ بازشناسی مناسب بوده و به دلیل استفاده از روش استخراج ویژگی sift ، در برابر تغییر در اندازه وجهت مقاوم بوده و در برابر سایر تغییرات از قبیل تغییر در زاویه دید و روشنایی تا حدودی مقاوم است.