ارایه روشی جهت افزایش دقت و سرعت در بازشناسی علایم راهنمایی و رانندگی مبتنی بر تکنیک جنگل تصادفی و جستجوی CuCkoo

یکی از مباحث مهم تحقیقاتی در سال های اخیر تشخیص و بازشناسی علایم ترافیکی، بوده است. در واقع این علایم برای راهنمایی، هشدار و تنظیم ترافیک نصب می شوند و به گونه ای طراحی شده اند تا توجه راننده را توسط رنگ و شکل های هندسی ساده خود جلب کنند. در این پایان نامه روشی برای شناسایی این علایم در زمان مناسب ارایه شده است که یک سیستم سه مرحله ای برای ردیابی و تشخیص علایم ترافیکی زمان واقعی می باشد. اولین مرحله، تصاویر را براساس اطلاعات رنگ به ROIs تقسیم می کند، مرحله دوم، شکل های دایره ای، مستطیلی و مثلثی با استفاده از گشتاورهای هندسی نامتغیر ردیابی می شوند در واقع میزان ویژگی استخراجی در روش پیشنهادی و اکثر روش های دیگر زیاد بوده و یکی از چالش های این روش برای استفاده برخط آن است اما در این پژوهش استخراج ویژگی و انتخاب ویژگی برای بهبود تشخیص توسط الگوریتم فاخته انجام می شود و برای تشخیص شکل های ردیابی شده از طبقه بندی جنگل های تصادفی به همراه این توصیف گر استفاده شده است. در شبیه سازی روش پیشنهادی علاوه بر نمایش مرحله به مرحله روند کار و نمایش نتایج در مقایسه های انجام شده بهترین پارامترها انتخاب و پیشنهاد شد. در واقع در فاز ارزیابی روش پیشنهادی با روش های همسان مختلف که از روش های طبقه بندی مختلفی استفاده کرده بودند مورد مقایسه قرار گرفت و کلیه نتایج جهت افزایش اعتمادپذیری از تست صحت K-Fold استفاده شده بود که در ازیابی با معیار صحت و F-Measure روش پیشنهادی نسبت به روش های مورد مقایسه بهبود مناسبی از خود نشان داد و نتیجه این بهبود در حدود 2 درصد به ثبت رسید.

کلیدواژه ها:

علایم راهنمایی و رانندگی ، استخراج ویژگی ROI ، الگوریتم فاخته ، طبقه بندی جنگل های تصادفی ، دقت و سرعت