📄Работа №125357
Тема: Система автоматического распознавания дорожных знаков
Характеристики работы
Тип работы
Бакалаврская работа
Предмет
Программирование
Объем:
38 листов
Год:
2016
Просмотров:
199
4550
руб.
🛒 Купить работу
Не подходит эта работа?
Закажите новую по вашим требованиям
Узнать цену на написание
Закажите новую по вашим требованиям
Представленный материал является образцом учебного исследования, примером структуры и содержания учебного исследования по заявленной теме. Размещён исключительно в информационных и ознакомительных целях.
Workspay.ru оказывает информационные услуги по сбору, обработке и структурированию материалов в соответствии с требованиями заказчика.
Размещение материала не означает публикацию произведения впервые и не предполагает передачу исключительных авторских прав третьим лицам.
Материал не предназначен для дословной сдачи в образовательные организации и требует самостоятельной переработки с соблюдением законодательства Российской Федерации об авторском праве и принципов академической добросовестности.
Авторские права на исходные материалы принадлежат их законным правообладателям. В случае возникновения вопросов, связанных с размещённым материалом, просим направить обращение через форму обратной связи.
Настоящий учебно-методический информационный материал размещён в ознакомительных и исследовательских целях и представляет собой пример учебного исследования. Не является готовым научным трудом и требует самостоятельной переработки.
📋 Содержание
Введение 3
Постановка задачи 5
Глава 1. Теоретическая часть 6
1.1 Метод Виолы-Джонса 6
1.2 Свёрточные нейронные сети 10
1.2.1 Архитектура 12
1.2.2 Обучение сети 13
1.2.3 Функция активации 15
Глава 2. Практическая часть 20
2.1 Локализация дорожных знаков 20
2.1.1 Формирование базы дорожных знаков 20
2.1.2 Обучение каскада классификаторов 22
2.1.3 Результаты 23
2.2 Классификация дорожных знаков 24
2.2.1 Подготовка данных для обучения 24
2.2.2 Обучение нейронной сети 26
2.2.3 Результаты 28
2.3 Реализация на платформе Android 29
2.3.1 Этап локализации 29
2.3.2 Этап классификации 31
2.3.3 Результаты 32
Выводы 34
Заключение 36
Список литературы 37
Постановка задачи 5
Глава 1. Теоретическая часть 6
1.1 Метод Виолы-Джонса 6
1.2 Свёрточные нейронные сети 10
1.2.1 Архитектура 12
1.2.2 Обучение сети 13
1.2.3 Функция активации 15
Глава 2. Практическая часть 20
2.1 Локализация дорожных знаков 20
2.1.1 Формирование базы дорожных знаков 20
2.1.2 Обучение каскада классификаторов 22
2.1.3 Результаты 23
2.2 Классификация дорожных знаков 24
2.2.1 Подготовка данных для обучения 24
2.2.2 Обучение нейронной сети 26
2.2.3 Результаты 28
2.3 Реализация на платформе Android 29
2.3.1 Этап локализации 29
2.3.2 Этап классификации 31
2.3.3 Результаты 32
Выводы 34
Заключение 36
Список литературы 37
📖 Введение
В современном мире обязательным атрибутом в организации дорожного движения являются дорожные знаки. Они информируют водителей об опасных участках дороги, указывают направление движения, запрещают или дают право проезда, обязывают снизить скорость, а также выполняют множество других полезных задач.
С каждым годом число водителей постоянно увеличивается. Так по данным аналитики компании “Автостат Инфо” [1] количество легковых автомобилей в нашей стране по состоянию на 1 января 2016 года достигло 40 млн 629,2 тыс. Относительно 1 января 2015 года емкость автопарка выросла на 1 млн 279,9 тыс. В связи с этим необходимо, чтобы дорожное движение стало более безопасным. Для этой цели разрабатываются продвинутые системы помощи водителю “Advanced Driving Assistance Systems” (ADAS), которые постепенно встраиваются в некоторые современные высокотехнологичные серии автомобилей.
Система автоматического распознавания дорожных знаков является важнейшей частью ADAS. Она призвана уведомлять водителя о наличии дорожных знаков на дороге. Система может помочь водителю придерживаться установленного на участке дороги скоростного ограничения, соблюдать ограничения на проезд, обгон и т.д. Подобные системы впервые появились в конце 2008 года в автомобилях BMW 7-Series, а спустя год и в Mercedes-Benz S-Class. Эти системы умели распознавать только знаки ограничения скорости. Позже их встроили в такие серии как Volkswagen Phaeton и Opel Astra с дополнительной функцией распознавания знака “обгон запрещен” [2]. В общем, все ведущие мировые производители автомобилей стараются встроить подобные технологии в свои продукты. Однако большинство людей не может позволить себе цену подобных автомобилей и, как следствие, не может воспользоваться данной технологией. С другой стороны, на сегодняшний день практически у каждого есть смартфон с камерой. К тому же вычислительные мощности телефонов с каждым днем увеличиваются и уже приближаются к компьютерным. Поэтому наличие системы автоматического распознавания дорожных знаков в телефоне может решить эту проблему.
Задачей работы является осуществление идеи по разработке системы автоматического распознавания запрещающих и предупреждающих дорожных знаков и знака “Пешеходный переход”, способной работать на платформе Android в режиме реального времени. Были выбраны эти знаки, потому что именно они обозначают наиболее важную информацию для водителя, и их нарушение приводит к наиболее опасным ситуациям на дороге.
Система автоматического распознавания дорожных знаков представляет собой систему, как правило, состоящую из двух основных этапов:
1. Локализация дорожных знаков.
2. Классификация дорожного знака.
В зависимости от реализации эти этапы сами по себе тоже состоят из подэтапов. В данной работе локализация знаков реализована методом Виолы-Джонса. Задачу классификации выполняет обученная свёрточная нейронная сеть.
С каждым годом число водителей постоянно увеличивается. Так по данным аналитики компании “Автостат Инфо” [1] количество легковых автомобилей в нашей стране по состоянию на 1 января 2016 года достигло 40 млн 629,2 тыс. Относительно 1 января 2015 года емкость автопарка выросла на 1 млн 279,9 тыс. В связи с этим необходимо, чтобы дорожное движение стало более безопасным. Для этой цели разрабатываются продвинутые системы помощи водителю “Advanced Driving Assistance Systems” (ADAS), которые постепенно встраиваются в некоторые современные высокотехнологичные серии автомобилей.
Система автоматического распознавания дорожных знаков является важнейшей частью ADAS. Она призвана уведомлять водителя о наличии дорожных знаков на дороге. Система может помочь водителю придерживаться установленного на участке дороги скоростного ограничения, соблюдать ограничения на проезд, обгон и т.д. Подобные системы впервые появились в конце 2008 года в автомобилях BMW 7-Series, а спустя год и в Mercedes-Benz S-Class. Эти системы умели распознавать только знаки ограничения скорости. Позже их встроили в такие серии как Volkswagen Phaeton и Opel Astra с дополнительной функцией распознавания знака “обгон запрещен” [2]. В общем, все ведущие мировые производители автомобилей стараются встроить подобные технологии в свои продукты. Однако большинство людей не может позволить себе цену подобных автомобилей и, как следствие, не может воспользоваться данной технологией. С другой стороны, на сегодняшний день практически у каждого есть смартфон с камерой. К тому же вычислительные мощности телефонов с каждым днем увеличиваются и уже приближаются к компьютерным. Поэтому наличие системы автоматического распознавания дорожных знаков в телефоне может решить эту проблему.
Задачей работы является осуществление идеи по разработке системы автоматического распознавания запрещающих и предупреждающих дорожных знаков и знака “Пешеходный переход”, способной работать на платформе Android в режиме реального времени. Были выбраны эти знаки, потому что именно они обозначают наиболее важную информацию для водителя, и их нарушение приводит к наиболее опасным ситуациям на дороге.
Система автоматического распознавания дорожных знаков представляет собой систему, как правило, состоящую из двух основных этапов:
1. Локализация дорожных знаков.
2. Классификация дорожного знака.
В зависимости от реализации эти этапы сами по себе тоже состоят из подэтапов. В данной работе локализация знаков реализована методом Виолы-Джонса. Задачу классификации выполняет обученная свёрточная нейронная сеть.
✅ Заключение
В ходе исследования разработана система автоматического распознавания запрещающих и предупреждающих дорожных знаков и знака “Пешеходный переход” на платформе Android:
1. На первом этапе подготовлена база дорожных знаков и решена задача локализации знаков методом Виолы-Джонса. Полученное решение показало достаточно высокую точность локализации.
2. На втором этапе обучена свёрточная нейронная сеть для решения задачи классификации выделенных дорожных знаков. Подобрана архитектура сети с высоким показателем точности и скорости классификации.
3. На третьем этапе представлена реализация системы на платформе Android и приведены приемы, увеличивающие скорость работы системы. Используемые в работе алгоритмы носят общий характер и поэтому могут быть легко перенесены и на другие платформы.
Реализацию системы, каскадные классификаторы и обученную нейронную сеть можно увидеть в приложении [20].
1. На первом этапе подготовлена база дорожных знаков и решена задача локализации знаков методом Виолы-Джонса. Полученное решение показало достаточно высокую точность локализации.
2. На втором этапе обучена свёрточная нейронная сеть для решения задачи классификации выделенных дорожных знаков. Подобрана архитектура сети с высоким показателем точности и скорости классификации.
3. На третьем этапе представлена реализация системы на платформе Android и приведены приемы, увеличивающие скорость работы системы. Используемые в работе алгоритмы носят общий характер и поэтому могут быть легко перенесены и на другие платформы.
Реализацию системы, каскадные классификаторы и обученную нейронную сеть можно увидеть в приложении [20].
ИЛИ
Поиск аналога
📕 Список литературы
🖼 Скриншоты
🛒 Оформить заказ
⚡ Работу высылаем в течении 5 минут после оплаты.