بینایی ماشین

یکی از زمینه های کاربرد بینایی ماشین، ردیابی شیء متحرک می باشد. ردیابی شیء متحرک به صورت بلادرنگ فرآیندی است که طی آن موقعیت یک شیء متحرک در هر لحظه از زمان تعیین می شود. بدین منظور در این مقاله با یک رویکرد عملی که منجر به تولید محصول و با استفاده از کتابخانه OpenCV در محیط برنامه نویسی Visual C++ می شود، تلاش شده است تا یک شیء را در فریم های متوالی و با استفاده از یک دوربین Pan Tilt Zoom که دوربینی با یک پلتفرم دو درجه آزادی است، به صورت بلادرنگ ردگیری شود. لذا با توجه به این که هدف از این تحقیق پیاده سازی فرمول های ریاضی و مطالب ارائه شده به کدهایی است که به راحتی قابل استفاده در محصولات نظارتی و امنیتی باشند به بررسی یک الگوریتم مبتنی بر هیستوگرام به نام Kernel Base Object Tracking پرداخته و عملکرد آن با الگوریتم پرکاربرد Normalized Cross Correlation که مبتنی بر ضریب همبستگی آماری می باشد، مقایسه شده است. و مشخص گردید که عملکرد الگوریتم  Kernel Baseبرای نشان دادن شیء مورد تعقیب با محیط پس زمینه کاملاً متمایز بسیار بهتر از الگوریتم Normalized شده می باشد.

فناوری های شهر هوشمند عنصر مهمی برای مدیریت مؤثر صنعتی شدن سریع جهان امروزی هستند، زیرا می توانند به رفع مشکلات اقتصادی و زیست محیطی ناشی از افزایش جمعیت شهری کمک کنند. شهرهای هوشمند زیرساخت های سنتی و خدمات عمومی را با فناوری ادغام می کنند تا سیستمی کارآمدتر، پایدارتر و قابل دسترس تر ایجاد کنند و ضمن اینکه نیازهای ساکنان شهر را برآورده می کنند، درک سنتی مدیریت شهر را نیز متحول می کنند. سیستم های حمل و نقل هوشمند، که از اجزای کلیدی شهرهای هوشمند به شمار می آیند، برای بهبود ایمنی سیستم حمل و نقل، کاهش اثرات زیست محیطی، ترویج توسعه حمل و نقل پایدار و افزایش بهره وری، توسعه یافته اند. این سیستم ها راه حل های مدرنی را برای مشکلات مربوط به حمل ونقل، از جمله ترافیک و تصادفات ارائه می دهند و با استفاده از داده های جمع آوری شده از زیرساخت ها، شبکه ها و وسایل نقلیه، به کارآمدی سیستم حمل و نقل و تضمین ایمنی شهروندان کمک می کنند. سیستم حمل و نقل هوشمند به عنوان سیستم یکپارچه مدیریت حمل ونقل، متشکل از ارتباطات پیشرفته، پردازش اطلاعات و فناوری های مدیریت ترافیک، می تواند داده های بلادرنگ جمع آوری شده از منابع ناهمگن را بلافاصله پردازش کرده و آن ها را برای تسهیل تصمیم گیری موثر تجزیه و تحلیل کند. بینایی ماشین یکی از برجسته ترین زیرشاخه های کاربردی هوش مصنوعی است که سیستم ها را قادر می سازد تا اطلاعات معنا داری را از تصاویر دیجیتال و سایر ورودی های بصری استخراج کنند و همچنین بر اساس این اطلاعات تصمیم گیری و عمل کنند. بینایی ماشین، که بر پایه یادگیری ماشین از شبکه های عصبی عمیق استفاده می کند، راه حل هایی را ارائه می کند که می توانند در فرایند خودکارسازی سیستم های حمل و نقل و افزایش سطح ایمنی آن، به کار گرفته شوند. قابل تصور است که معماری های وسایل نقلیه خودران و مدیریت هوشمند ترافیک در شهرهای هوشمند تسلط خواهند یافت و سیستم های حمل ونقل را متحول خواهند کرد و در این راستا توسعه تکنیک های بینایی ماشین نقش مهمی ایفا خواهند کرد. در این مقاله میزان اثربخشی روش های یادگیری عمیق مبتنی بر بینایی ماشین در کاربردهای مدیریت ترافیک شامل تشخیص و شناسایی خودکار پلاک خودرو، تشخیص و شناسایی علائم ترافیکی، تشخیص و طبقه بندی خودرو، تشخیص عابر پیاده و تشخیص خطوط جاده مورد بررسی قرارگرفته است و لذا با جمع آوری تحقیقات از منابع مختلف و بررسی معماری های مؤثر شبکه های عصبی عمیق همراه با تعیین معیارهای ارزیابی عملکرد هر یک، نشان داده شده است که چگونه به کارگیری تکنیک های بینایی ماشین در مدیریت ترافیک، می تواند در هوشمندتر شدن سیستم های حمل ونقل در شهرهای هوشمند تأثیر به سزایی داشته باشد.