عنوان

طراحی و پیاده‌سازی یک سیستم تشخیص عابرپیاده در خودروهای هوشمند مبتنی بر بینایی ماشین

Number

‭۱۵۶۴۱پ‬

.Language of Text, Soundtrack etc

per

Title Proper

طراحی و پیاده‌سازی یک سیستم تشخیص عابرپیاده در خودروهای هوشمند مبتنی بر بینایی ماشین

First Statement of Responsibility

/فرناز ذریه باقری عزیزی

Name of Publisher, Distributor, etc.

: مهندسی برق و کامپیوتر

Date of Publication, Distribution, etc.

، ‮‭۱۳۹۴‬

Text of Note

چاپی - لوح فشرده

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

برق-الکترونیک

Date of degree

‮‭۱۳۹۴/۱۱/۲۰‬

Body granting the degree

تبریز

Text of Note

در سال‌های اخیر تشخیص عابر پیاده، به دلیل افزایش اتومبیل‌ها و تصادفات رانندگی توجه دانشمندان را به خود جلب کرده است .در مواقعی که اشتباهات انسانی می‌تواند باعث حوادث ناگوار شود، سیستم تشخیص عابر پیاده با تصمیم‌گیری سریع و حساب شده می‌تواند جلوی بسیاری از حوادث را بگیرد، به همین دلیل این سیستم دارای اهمیت خاصی می‌باشد .اما طراحی سیستمی که بتواند با وجود حالات مختلف عابرین پیاده، لباس‌های متنوع عابرین و شرایط مختلف جوی و محیطی صحیح کار کند، دشوار است .مساله مهم در بینایی ماشین برای تشخیص عابر پیاده یافتن الگوی مناسب برای تشخیص می‌باشد .عملکرد سیستم تشخیص عابر پیاده به دو فاکتور وابسته است ‮‭۱)‬ : یافتن ویژگیهای مناسب برای معرفی عابر پیاده و ‮‭۲)‬ استفاده از روش‌های بینایی ماشین برای طبقهبندی .در این پایان نامه انواع روش های استخراج ویژگی و طبقه بندی بررسی شده است .در حال حاضر ‮‭HOG‬ جزو بهترین ویژگی‌های استخراج شده، مخصوصا برای تشخیص عابر پیاده می‌باشد .ما برای بالا بردن دقت تشخیص، علاوه بر ‮‭HOG‬از ویژگی هسین برای بدست آوردن اطلاعات بیشتر از تصویر استفاده میکنیم .در واقع از تلفیق ‮‭HOG‬ و هسین برای استخراج ویژگی استفاده می‌کنیم .همچنین بردار پشتیبانی خطی ماشین ‮‭SVM‬ برای طبقه بندی استفاده می‌شود ‮‭SVM‬ .از سرعت و دقت بالایی برای طبقه بندی برخودار است .برای سیستم‌های امنیت بی‌درنگ، در سیستم‌های حمل و نقل هوشمند، تشخیص با سرعت بالا بسیار پر اهمیت می‌باشد .به همین دلیل پیاده سازی ‮‭FPGA‬ برای کاربردهای بی‌درنگ پیشنهاد شده است ‮‭FPGA‬ .بین سایر پیاده سازی‌ها دارای بهترین عملکرد می‌باشد .همچنین با استفاده از روش‌های تقریبی در استخراج ویژگی به روش‮‭HOG‬، به جای روش‌های پیچیده به هزینه سخت افزاری کمتر و سرعت بالاتری دست یافته‌ایم

Text of Note

Vehicle and pedestrian detection has gained the attention of researchers in the past decade because of the increasing number of on road vehicles and traffic accidents. Vehicle and pedestrian detection system is of utmost importance since it can be used to take instantaneous and calculated decisions where human failure might occur resulting in reduction of road mishaps. But designing a detection system which is robust to various shapes of vehicles, different human postures/clothing, and weather/environment conditions is a challenging problem.In important problem in computer vision pedestrian detection is finding the right pattern for diagnosis. Pedestrian detection system performance depends on two factors: 1) Find the appropriate features for the introduction of pedestrian and 2) using machine vision to classify. At the end of a variety of feature extraction and classification is reviewed. Now HOG among the extracted features,is the best especially for pedestrian detection. To enhance the accuracy of diagnosis, in addition to HOG, Hessian feature to get more information from the image is used. In fact, the combination of HOG and Hessian for feature extraction is used. The linear support vector machine SVM is used for classification. SVM classification speed and accuracy is high. Realtime security systems, intelligent transportation systems, high-speed detection is very important. That's why FPGA implementation for real-time applications is proposed. Among other FPGA implement best practice. The feature extraction method using approximate HOG, rather than less sophisticated hardware costs and achieved higher speed

ذریه باقری عزیزی، فرناز

کریمیان، قادر، استاد راهنما

سید عربی، میر هادی، استاد مشاور

Public note

سیاه و سفید

نمایه‌سازی قبلی