تشخیص علائم راهنمایی و رانندگی به کمک شبکه های عصبی پیچشی

با توجه به نیاز روز افزرون کلان شهرها به کنترل و نظارت هوشمند بر جریان ترافیک و عوامل موثر بر آن، هوشمند سازی در اولویت کلیه کلان شهرها به ویژه در شهر شیراز قرار گرفته است. یکی از با اهمیت ترین موارد در جریان های ترافیک، علائم راهنمایی و رانندگی و تجهیزات هشدار دهنده ی ترافیکی است و نیاز به دانش ظرفیت معابر به عدم و یا وجود علائم در محدوده سطح شهر بسیار با اهمیت و دارای حساسیت خاصی می باشد. لذا با توجه به گستردگی و گسترش روز افزون شهرها، هوشمند سازی در تشخیص علائم راهنمایی و رانندگی و برداشت اطلاعات آن امری مفید و موثر خواهد بود. در این راستا استفاده از ماشین های کنترل خودکار به منظور جمع آوری اطلاعات مربوط به تجهیزات و علائم ترافیکی سطح شهر موثر می باشد. به عنوان مثال به منظور ایجاد یک بانک اطلاعاتی از تعداد، نوع تجهیزات و علائم منصوب در سطح شهر می توان از تصاویر دریافتی ماشین های کنترل خودکار استفاده نموده و به صورت هوشمند روش های مختلف تشخیص علائم راهنمایی و رانندگی و ترافیکی را به کار برد، که این امر باعث مدیریت بهینه تجهیزات و کاهش زمان جمع آوری اطلاعات خواهد شد. در این مقاله با استفاده از شبکه های عصبی پیچشی نحوه تشخیص علائم و تجهیزات ترافیکی پیشنهاد و مورد بحث و بررسی قرار گرفته است. یک ماژول تشخیص علائم ترافیکی از دو مرحله اصلی تشخیص و طبقه بندی تشکیل شده است. مرحله تشخیص، تصویر صحنه در یک مدل چند بعدی اسکن می‌شود و به دنبال موقعیت علائم ترافیکی روی تصویر می‌گردد. در این مرحله، سیستم معمولاً یک علامت ترافیکی را از علامت دیگر تشخیص نمی‌دهد. در عوض، تصمیم می‌گیرد که آیا آن تابلو شامل یک علامت ترافیکی بدون در نظر گرفتن نوع آن است یا خیر. خروجی مرحله تشخیص مجموعه‌ای از مکان هایی (ناحیه هایی) در تصویر حاوی علائم ترافیکی است.