
Тип работы:	Предмет:	Язык работы:

РАЗРАБОТКА ПРИЛОЖЕНИЯ ДЛЯ ОБНАРУЖЕНИЯ И КЛАССИФИКАЦИИ РОССИЙСКИХ ЗНАКОВ ДОРОЖНОГО ДВИЖЕНИЯ С ПОМОЩЬЮ КОМПЬЮТЕРНОГО ЗРЕНИЯ И СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ

Работа №	77806
Тип работы	Дипломные работы, ВКР
Предмет	информационные системы
Объем работы	48
Год сдачи	2017
Стоимость	4280 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено	242

Не подходит работа?

Узнай цену на написание

Содержание

Введение 3
Глава 1. Теоретические сведения 5
1.1. Компьютерное зрение 5
1.1.1. Основная информация 5
1.1.2. Области применения 8
1.1.3. Задачи 12
1.1.4. Метод Виолы-Джонса 15
1.2. Введение в нейронные сети 17
1.3. Нейронные сети в компьютерном зрении 25
Глава 2. Разработка приложения для обнаружения и распознавания дорожных знаков 28
2.1. Инструменты реализации 28
2.1.1. Язык программирования Python 28
2.1.2. Библиотека OpenCV 29
2.1.3. Библиотека Tensorflow 30
2.2. Реализация 31
2.2.1. Подключение пакетов расширения и библиотек Python 31
2.2.2. Создание модуля для обнаружения знаков 32
2.2.3. Создание модуля для классификации знаков 39
2.3. Тестирование приложения 44
Заключение 46
Список использованных источников 47
Приложение

Введение

В наше время, в условиях быстрорастущих городов, количество автомобилей, автоперевозок и такси активно увеличивается. С расширением числа автомобилистов, вовлеченных в дорожное движение, возрастает количество дорожных происшествий. Кроме того, статистика показывает, что чаще всего причиной ДТП служит отсутствие концентрации внимания за рулем [10]. Существует немало отвлекающих факторов, из-за которых водитель может потерять контроль над дорогой и подвергнуть опасности окружающих.
Вычислительная мощность современных мобильных аппаратных устройств позволяет автопроизводителям комплектовать свои продукты системой помощи водителю, которая включает в себя модуль обнаружения и распознавания дорожных знаков. Основными проблемами подобных систем является невысокая вероятность детектирования и отсутствие поддержки распознавания российских дорожных знаков. Данная работа будет направлена на решение этих проблем.
Цель дипломной работы заключается в разработке приложения для обнаружения и классификации российских знаков дорожного движения с помощью компьютерного зрения и сверточных нейронных сетей.
Для достижения цели работы были поставлены следующие задачи:
1) Изучить теоретические основы компьютерного зрения и нейронных сетей.
2) Исследовать методы локализации и распознавания объектов на изображении.
3) Реализовать приложение, используя рассмотренные методы с учетом специфики объекта исследования.
4) Выполнить тестирование разработанной программы и проанализировать результаты.
В качестве объекта исследования выступают дорожные знаки Российской Федерации. Предметом исследования являются методы обнаружения и классификации объектов на изображении.
Работа включает в себя введение, две главы, заключение, список использованных источников и приложение. Первая глава содержит необходимый теоретический материал. Вторая глава посвящена созданию приложения, а так же его тестированию и анализу результатов. В заключении подведены итоги выполненной работы.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!

ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ

Курсовые Статьи Диплом Рязань

Заключение

Выпускная квалификационная работа была посвящена решению задачи обнаружения и распознавания российских дорожных знаков на видеопотоке.
Были изучены теоретические основы компьютерного зрения и нейронных сетей, а так же возможность применения сверточных нейронных сетей для распознавания объектов на изображениях.
С использованием выбранных инструментов была разработана программа, реализующая рассмотренные методы для обнаружения и классификации дорожных знаков РФ.
Для формирования вывода о качестве работы программы было проведено тестирование на реальных данных. Были предложены идеи, связанные с долгосрочными перспективами улучшения работы алгоритма. Полученные результаты тестирования показали, что разработанное приложение обеспечивает достаточную надежность для практического применения.

Литература

1. Krizhevsky A. ImageNet Classification with Deep Convolutional Neural Networks / Krizhevsky A., Sutskever I., Hinton G. E. Toronto: University of Toronto, 2012. — p.5-6.
2. Loncaric S. Computer vision and image processing for military applications. — Zagreb: MOD, 2015. — p.1.
3. Morris A., Hamilton P.V. Visual Acuity and Reaction Time in Navy Fighter Pilots. — Pensacola: FL, 1986. — p. 27.
4. Nixon M.S., Aguado A.S. Feature Extraction and Image Processing. — Woburn: Newnes, 2002. — p.99.
5. Pollefeys M. Model Generation from the Depth Maps // Detailed real-time urban 3d reconstruction from video. — Chapel Hill: Springer, 2008. — p. 31¬33.
6. Szeliski R. Computer Vision: Algorithms and Applications. — NYC: Springer, 2010. — p. 4.
7. Андрияхина H. В. Обманы зрения и оптические иллюзии. — М.: Эксмо, 2012. — С. 41.
8. Потапов А.С. Системы компьютерного зрения. Учебное пособие. - СПб: Университет ИТМО, 2016. — С. 10-18.
9. Шахуро В.И. Российская база изображений автодорожных знаков / В.И. Шахуро, А.С. Конушин // Компьютерная оптика. — 2016. — Т. 40, № 2. — С. 294-300.
10. Distracted Driving [Электронный ресурс]. URL:
https://seriousaccidents.com/legal-advice/top-causes-of-car-accidents/driver- distractions/
11. Embedded Vision Summit 2017 - Making OpenCV code run fast [Электронный ресурс]. URL: http://opencv.org/evs2017-talks.html
12. Mathematical modeling for partial object detection [Электронный ресурс]. URL:
http://ir.library.louisville.edu/cgi/viewcontent.cgi?article=2731&context=etd
13. Windows Binaries for Python Extension Packages [Электронный ресурс]. URL: http://www.lfd.uci.edu/~gohlke/pythonlibs/
14. Компьютерное зрение. [Электронный ресурс]. URL:
https://ru.wikipedia.org/wiki/KoMnbK)TepHoe 3peHHe
15. Параллельные вычисления CUDA [Электронный ресурс]. URL:
http://www.nvidia.ru/object/cuda-parallel-computing-ru.html
16. Свёрточная нейронная сеть [Электронный ресурс]. URL:
https7/ru.wikipedia.prg/wiki/CBepTp4HaH HeHppHHaM ceTb
17. Электромагнитное излучение. [Электронный ресурс]. URL:
https://ru.wikipedia.org/wiki/3neKTpoMarHHTHoe H3ny4CHHe