ارائه‌ی الگوریتم هشدار نسبت به موتورسیکلت‌های پشت‌سر با استفاده از تک دوربین و روش‌های یادگیری عمیق

نوع مقاله : علمی - پژوهشی

نویسندگان

1 گروه فوتوگرامتری و سنجش از دور، دانشکده نقشه برداری، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران

2 گروه فوتوگرامتری و سنجش از دور- دانشکده نقشه برداری- دانشگاه خواجه نصیرالدین طوسی

چکیده

در ایران موتورسیکلت‌ها یکی از آسیب‌پذیرترین کاربران جاده‌ها هستند که حجم زیادی از آمار تصادفات را شامل می-شوند.در این مقاله راهکار مناسبی برای کمک به کاهش تصادفات اتومبیل‌ها با موتورسیکلت‌ها و به ویژه موتورسیکلت‌های مجهز به بادگیرهای مشکی رنگ ارائه شده است که با استفاده از تنها یک دوربین مستقر بر روی آینه بغل سمت کمک راننده، آگاهی راننده نسبت به نقاط کور محدوده‌ی بغل و پشت سر افزایش می‌یابد، تا در صورت نزدیک شدن بیش از حد موتورسوار، با اعلام هشدار به راننده از بروز تصادف جلوگیری شود. این عملیات هشدار با توجه به تلفیق اطلاعات بدست آمده از دو مرحله تشخیص موتورسیکلت و سپس برآورد فاصله با استفاده از روش‌های یادگیری عمیق صورت گرفته است. در مرحله تشخیص، مدل‌های مختلفی از الگوریتم‌های YOLO با یکدیگر مقایسه شده‌اند که در میان آنها، مدل بهبود یافته‌ی YOLOV4 با میانگین دقت 80 درصد و سرعت 35 فریم بر ثانیه بهترین عملکرد در شناسایی موتورسیکلت‌های مورد نظر را داشته است. این مدل بر روی پایگاه داده شامل 2000 تصویر اخذ شده از موتورسیکلت‌های شهر تهران آموزش داده شده است.در مرحله‌ی دوم برای برآورد نقشه عمق تک تصویر از آموزش مدل Monodepth2 بر روی 6000 جفت تصویر اخذ شده از خیابان‌های شهر تهران با استفاده از دوربین MYNT-EYE استفاده شده است.با ادغام نتایج بدست آمده از مختصات موتورسیکلت در تصویر و نقشه عمق بدست آمده، الگوریتم پیشنهادی به بهترین عملکرد در تشخیص و براورد فاصله‌ی دوربین تا موتورسیکلت‌ موردنظر با میانگین خطای 36 سانتیمتر و سرعت 20 فریم بر ثانیه دست یافته است.

کلیدواژه‌ها



مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 23 آذر 1399
  • تاریخ دریافت: 30 مهر 1399
  • تاریخ بازنگری: 23 آذر 1399
  • تاریخ پذیرش: 23 آذر 1399