شناسایی خودرو در تصاویر UAV با استفاده از الگوریتم SIFT با رویکرد خوشه بندی عوارض موضعی

Abstract

<strong>در طول چند دهه</strong><strong>‌‌</strong><strong>ی اخیر محیط</strong><strong>‌</strong><strong>‌</strong><strong>های شهری بسیار بیشتر از گذشته گسترش یافته</strong><strong>‌‌</strong><strong>اند. یکی از مهمترین مشکلاتی که در اکثر کلان شهرها و حتی شهرهای کوچک وجود دارد مدیریت سیستم حمل و نقل است. یک سیستم نظارتی پیشرفته از وسایل نقلیه</strong><strong>‌‌</strong><strong>ی درون شهری امکان غلبه بر مشکلات ترافیکی و ازدحام خودرو</strong><strong>‌</strong><strong>ها را فراهم می</strong><strong>‌‌</strong><strong>نماید، و به تبع آن از مشکلات آلودگی هوا می</strong><strong>‌‌</strong><strong>کاهد. با توسعه</strong><strong>‌‌</strong><strong>ی پرنده</strong><strong>‌‌</strong><strong>ای بدون سرنشین (</strong><strong>UAV</strong><strong>) امکان پایش مستمر و دقیق محیط</strong><strong>‌‌</strong><strong>های شهری برای کاربران فراهم گردیده است. در این تحقیق هدف ارائه روشی سریع و با عملکردی مناسب از نظر دقت در شناسایی اتوماتیک خودرو در تصاویر پهپاد با حدتفکیک بسیار بالا است. در گام شناسایی خودرو از قابلیت الگوریتم آشکارساز و توصیفگر عوارض موضعی </strong><strong>SIFT</strong><strong> استفاده شده است. یکی از اصلی</strong><strong>‌</strong><strong>ترین قابلیت</strong><strong>‌</strong><strong>های</strong><strong> این الگوریتم</strong><strong>‌</strong><strong> پایدار بودن در برابر تغییرات روشنایی و انواع تبدیلات هندسی نظیر انتقال، دوران و مقیاس است. روش ارائه</strong><strong>‌</strong><strong>شده شامل دو مرحله</strong><strong>‌‌</strong><strong>ی اصلی: آموزش الگوریتم و فرآیند شناسایی خودرو است. روش پیشنهادی بر روی </strong><strong>۸</strong><strong>تصویر پهپاد که دارای پس</strong><strong>‌</strong><strong>زمینه با بی</strong><strong>‌</strong><strong>نظمی</strong><strong>‌</strong><strong>های مختلف </strong><strong>هستند </strong><strong>پیاده</strong><strong>‌</strong><strong>سازی شد. این تصاویر شامل انواع مختلفی از خودروها هستند. به منظور ارزیابی کمی روش پیشنهادی از دو معیار استفاده شده است. همچنین عملکرد این روش با رویکرد پنجره</strong><strong>‌‌</strong><strong>ی جستجو مورد مقایسه قرار گرفته است. نتایج نشان می</strong><strong>‌‌</strong><strong>دهد زمان محاسبات الگوریتم پیشنهادی </strong><strong>۸۲</strong><strong>ثانیه است و میانگین دو معیار ارائه شده معادل </strong><strong>۶۵/۶۷ درصد</strong><strong>است که نشان دهنده</strong><strong>‌‌</strong><strong>ی برتری روش از لحاظ سرعت و دقت محاسبات</strong><strong>نسبت به روش پنجره</strong><strong>‌‌</strong><strong>ی جستجو</strong><strong>است. </strong>