تشخيص علائم راهنمايي و رانندگي به كمك شبكه هاي عصبي پيچشي

با توجه به نياز روز افزرون كلان شهرها به كنترل و نظارت هوشمند بر جريان ترافيك و عوامل موثر بر آن، هوشمند سازي در اولويت كليه كلان شهرها به ويژه در شهر شيراز قرار گرفته است. يكي از با اهميت ترين موارد در جريان هاي ترافيك، علائم راهنمايي و رانندگي و تجهيزات هشدار دهنده ي ترافيكي است و نياز به دانش ظرفيت معابر به عدم و يا وجود علائم در محدوده سطح شهر بسيار با اهميت و داراي حساسيت خاصي مي باشد. لذا با توجه به گستردگي و گسترش روز افزون شهرها، هوشمند سازي در تشخيص علائم راهنمايي و رانندگي و برداشت اطلاعات آن امري مفيد و موثر خواهد بود. در اين راستا استفاده از ماشين هاي كنترل خودكار به منظور جمع آوري اطلاعات مربوط به تجهيزات و علائم ترافيكي سطح شهر موثر مي باشد. به عنوان مثال به منظور ايجاد يك بانك اطلاعاتي از تعداد، نوع تجهيزات و علائم منصوب در سطح شهر مي توان از تصاوير دريافتي ماشين هاي كنترل خودكار استفاده نموده و به صورت هوشمند روش هاي مختلف تشخيص علائم راهنمايي و رانندگي و ترافيكي را به كار برد، كه اين امر باعث مديريت بهينه تجهيزات و كاهش زمان جمع آوري اطلاعات خواهد شد. در اين مقاله با استفاده از شبكه هاي عصبي پيچشي نحوه تشخيص علائم و تجهيزات ترافيكي پيشنهاد و مورد بحث و بررسي قرار گرفته است. يك ماژول تشخيص علائم ترافيكي از دو مرحله اصلي تشخيص و طبقه بندي تشكيل شده است. مرحله تشخيص، تصوير صحنه در يك مدل چند بعدي اسكن مي‌شود و به دنبال موقعيت علائم ترافيكي روي تصوير مي‌گردد. در اين مرحله، سيستم معمولاً يك علامت ترافيكي را از علامت ديگر تشخيص نمي‌دهد. در عوض، تصميم مي‌گيرد كه آيا آن تابلو شامل يك علامت ترافيكي بدون در نظر گرفتن نوع آن است يا خير. خروجي مرحله تشخيص مجموعه‌اي از مكان هايي (ناحيه هايي) در تصوير حاوي علائم ترافيكي است.