شناسایی خودرو در تصاویر UAV با استفاده از الگوریتم SIFT با رویکرد خوشه بندی عوارض موضعی

در طول چند دهه ی اخیر محیط های شهری بسیار بیشتر از گذشته گسترش یافته اند. یکی از مهمترین مشکلاتی که  در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودرو ها را فراهم می نماید، و به تبع آن از مشکلات آلودگی هوا می کاهد. با توسعه ی پرنده ای بدون سرنشین (UAV) امکان پایش مستمر و دقیق محیط های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از  نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی SIFT استفاده شده است. یکی از اصلی ترین قابلیت های این الگوریتم پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه شده شامل دو مرحله ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی 8تصویر پهپاد که دارای پس زمینه با بی نظمی های مختلف هستند پیاده سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان می دهد زمان محاسبات الگوریتم پیشنهادی 82ثانیه است و میانگین دو معیار ارائه شده معادل 65/67 درصداست که نشان دهنده ی برتری روش از لحاظ سرعت و دقت محاسباتنسبت به روش پنجره ی جستجواست.

کلیدواژه ها:

الگوریتم SIFT ، تصاویر پهپاد ، اهداف خودرو ، خوشه بندی عوارض ، طبقه بندی کننده ی SVM