Пояснительная записка королёв (Разработка информационной системы распознавания дорожных знаков с использованием сверточной нейронной сети)
Описание файла
Файл "Пояснительная записка королёв" внутри архива находится в папке "Разработка информационной системы распознавания дорожных знаков с использованием сверточной нейронной сети". PDF-файл из архива "Разработка информационной системы распознавания дорожных знаков с использованием сверточной нейронной сети", который расположен в категории "". Всё это находится в предмете "дипломы и вкр" из 8 семестр, которые можно найти в файловом архиве ДВГУПС. Не смотря на прямую связь этого архива с ДВГУПС, его также можно найти и в других разделах. .
Просмотр PDF-файла онлайн
Текст из PDF
Министерство транспорта Российской ФедерацииФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ«ДАЛЬНЕВОСТОЧНЫЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ПУТЕЙСООБЩЕНИЯ»Кафедра «Информационные технологии и системы»К ЗАЩИТЕ ДОПУСТИТЬЗаведующий кафедрой____________ М. А. Попов«____» ___________ 2017 г.РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ РАСПОЗНАВАНИЯДОРОЖНЫХ ЗНАКОВ С ИСПОЛЬЗОВАНИЕМ СВЕРТОЧНОЙНЕЙРОННОЙ СЕТИПояснительная записка к магистерской диссертацииМД 09.04.02 ИС2 ПЗСтудент гр. ИС-2(Б.Е.
Королёв)Руководитель(Р.А. Ешенко)(доцент, к.т.н., доцент)Нормоконтроль(В. И. Шестухина)(доцент, к.п.н., доцент)Хабаровск – 2017ABSTRACTIn this paper, an analysis is made of existing methods for recognizing objects onan image. The strengths and weaknesses of each identification method are described.Proceeding from the set tasks, our own recognition method was developed, whichincludes 2 methods, such as the support vector method and the convolutional neuralnetwork. The created method showed excellent results in the learning speed, as wellas in the accuracy of recognition. Based on this method, a software solution wascreated.
The results of the master's thesis can be used to recognize road signs andother objects on images in video surveillance and video monitoring systems, videorecorders and other areas related to ensuring traffic safety on public roads.2РЕФЕРАТМагистерскаядиссертация«Разработкаинформационнойсистемыраспознавания дорожных знаков с помощью сверточной нейронной сети»Содержит 90 страницы – 3 главы; 4 таблицы; 38 рисунков; 2 диаграммы;50 источников;Ключевые слова: сверточные нейронные сети, метод опорных векторов,информационная система, распознавание, компьютерное зрение.Объектом исследования: являются системы обработки изображений,основанные на сверточных нейронных сетях и методах опорных векторов.Предметом исследования является применение нейросетевых алгоритмов дляобнаружения и распознавания дорожных знаков на изображениях со сложнымфоном.Цельюработы:распознаванияявляетсядорожныхразработказнаков,алгоритмаобладающегообнаружениявысокойистепеньюинвариантности к аффинным и проекционным искажениям.
Для достиженияпоставленной цели необходимо решить следующие задачи:а) Исследование существующих алгоритмов, которые применяются дляраспознавания дорожных знаков на изображениях.б) Разработка алгоритма обнаружения образов дорожных знаков наизображениях, обеспечивающего высокую устойчивость к наличию шумов иразличных искажений.Актуальность задачи: распознавания дорожных знаков обусловленаповышением уровня безопасности на дорогах общего пользования ичрезвычайной важности информации, которую содержат дорожные знаки.При использовании автоматизированной системы распознавания крайневажно точно и своевременно идентифицировать дорожные знаки придвижении транспортного средства как в условиях города, так и автострады. Внастоящее время для решения задачи распознавания разрабатываются и3используются коммерческие закрытые системы, которые поставляются «вкомплекте» с автомобилем.
К таким системам относятся «Opel Eye» от Opel,«Speed limit assist» от Mercedes, «Road sign information» от Volvo. Указанныевыше аппаратно-программные комплексы устанавливаются в автомобиль какопция и не могут быть модифицированы. При анализе предметной областибыло выявлено, что существующие системы не в полной мере удовлетворяютрешениюпоставленнойзадачи.Эффективностьработыбольшинствасуществующих систем резко снижается в реальных условиях при наличиишума,слабогоосвещенияиприразличныхгеометрическихифотометрических искажениях.Практическая значимость результатов ВКР: Результаты магистерскойдиссертационной работы могут быть использованы для распознаваниядорожных знаков и других объектов на изображениях в системахвидеонаблюдения и видеоконтроля, видеорегистраторах и других сферах,связанных с обеспечением безопасности движения по дорогам общегопользования и в целом компьютерного зрения.Полученные результаты и новизна: Результатом данной магистерскойдиссертации стал комбинированный алгоритм, состоящий из двух методов,первый это метод опорных векторов, второй сверточная нейронная сеть.
Наоснове этого метода было создано программное решение, для распознаваниядорожных знаков, которое показала высокий процент идентификации, а так жеустойчивость к шумам и различным искажениям таким как изменения угланаклона.4СодержаниеВведение ...................................................................................................................
81 Аналитический обзор существующих алгоритмов и систем, применяемыхдля распознавания дорожных знаков, а также обзор предметной области ...... 91.1 Обзор существующих алгоритмов, применяемых для идентификациидорожных знаков ..................................................................................................
91.1.1 Сравнение с шаблоном .......................................................................... 111.1.2 Метод преобразования Хафа ................................................................ 121.1.3 Дескрипторы локальных особенностей ............................................... 141.1.4 Методы использующие гистограммный анализ изображения ......... 161.1.5 Метод главных компонент .................................................................... 171.1.6 Линейный дискриминантный анализ................................................... 181.1.7 Алгоритм AdaBoost................................................................................ 191.1.8 Алгоритм Виолы Джонса ......................................................................
201.1.9 Искусственные нейронные сети (ИНС) ............................................... 221.1.10 Сверточные нейронные сети (СНС)................................................... 241.1.11 Структурные методы распознавания ................................................. 271.1.12 Признаковые методы распознавания ................................................. 281.1.13 Морфологический анализ ................................................................... 291.2 Дорожные знаки ...........................................................................................
301.3 Существующие системы, применяемые для распознавания дорожныхзнаков................................................................................................................... 331.3.1Общая архитектура .................................................................................
331.3.2 Opel eye ................................................................................................... 3351.3.3 Speed limit assist (Mercedes) .................................................................. 351.3.4 Road sign information.............................................................................. 361.3.5 Система распознавания дорожных знаков лабораториикомпьютерной графики и мультимедиа МГУ им. Ломоносова ................. 371.4 Сравнение технических характеристик существующих системраспознавания дорожных знаков ...................................................................... 391.5 Основные результаты и выводы .................................................................
402 Разработка алгоритмов обнаружения и распознавания дорожных знаков наизображении .......................................................................................................... 422.1 Разработка метода распознавания объектов на изображении ................. 422.2 Метод опорных векторов ............................................................................ 432.3 Пример Кода и разбор основных функций SVM...................................... 472.4 Описание алгоритма .................................................................................... 492.5 Предварительная классификация с помощью сверточной нейроннойсети ...................................................................................................................... 512.6 Выводы по 2 главе .......................................................................................
573 Программное обеспечения для распознавания дорожных знаков наизображении .......................................................................................................... 583.1 Общие требования к разрабатываемому программному обеспечению . 583.2 Выбор средств для разработки программного обеспечения ................... 593.3 Интерфейс программного обеспечения ..................................................... 623.4 Оценка качества работы программной системы ......................................
673.4.1 Оценка качества распознавания дорожных знаков на ложныхизображениях .................................................................................................. 683.4.2 Оценка качества распознавания дорожных знаков при различныхуглах отклонения ............................................................................................ 7063.4.3 Оценка качества распознавания дорожных знаков на большомрасстоянии от регистрирующего устройства ...............................................