تشخیص علائم ترافیکی با آشکارساز ویولا جونز و HOG با متلب

پروژه تشخیص علائم ترافیکی با MATLAB

در این پست تشخیص علائم ترافیکی با آشکارساز ویولا جونز و HOG با متلب را آماده کرده ایم که معیار ما علائم ترافیکی آلمانی می باشد. در این پروژه از ترکیب دو مقاله مرتبط با موضوع، کمک گرفته ایم که عنوان آنها در ادامه درج شده است.

این دو مقاله به برخی از مهم ترین و محبوب ترین روش های تشخیص، مانند آشکارساز ویولا جونز، مبتنی بر ویژگی های هار و یک طبقه بند خطی متکی بر توصیف HOG که به عنوان الگوریتم های پایه در نظر گرفته شده اند، اشاره می کند. تشخیص بلادرنگ علائم ترافیکی ، یا تعیین محل علائم ترافیکی در تصاویر ، موضوع مهم کاربرد بینایی ماشین در صنعت می باشد. تا به امروز الگوریتم های گوناگونی ارائه گردیده است.

توضیحات بیشتر، فیلم و تصاویری از خروجی پروژه تشخیص علائم ترافیکی با آشکارساز ویولا جونز و HOG با متلب مطلب.

بینایی ماشین یا بینایی کامپیوتر (CV) یک شاخه از هوش مصنوعی با هدف درک تصویر یا ویدئو است. نمونه هایی از این کاربرد را می توان در شناسایی افراد یا اشیاء، هدایت کردن در یک محیط، بازسازی شکل سه بعدی از یک صحنه یا کنترل یک دستگاه (مانند زمانی که یک بازوی رباتیکی یک شی را در اختیار میگیرد (درک می کند)) دید.

بینایی کامپیوتر یک زمینه ی میانی از علم کامپیوتر، پردازش سیگنال و تعدادی از مباحث ریاضی مانند هندسه، آمار و جبر می باشد. بسیاری از کاربرد های بینایی ماشین در دنیای واقعی، به تشخیص دقیق اشیاء مورد نظر در تصاویر ویدئویی نیاز دارند.

تشخیص علائم ترافیکی یک نمونه چالش برانگیز است که در آن الگوریتم ها مجبور هستند با محیط های پویا و طبیعی و در نتیجه پیچیده، تقاضای دقت بالا و محدودیت های زمانی کنار بیایند. با توجه به ارتباط صنعتی بالا، روش های زیادی برای تشخیص علائم ترافیکی و شناسایی آن پیشنهاد شده است. از ویژگی های سیستم های پیشرفته ی دستیار راننده، تشخیص علائم ترافیکی می باشد که معمولا به یک زیر مجموعه از علائم ممکن محدود شده که توسط صنعت خودرو توسعه داده شده است.

در پیاده سازی این پروژه بینایی ماشین با MATLAB ، از روش های موجود در این دو مقاله استفاده شده است: (مقاله ها در ادامه به صورت رایگان قابل دانلود می باشند)

Detection of Traffic Signs in Real-World Images: The German Traffic Sign Detection Benchmark
Traffic Sign Recognition for Computer Vision Project-Based Learning

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4: