Пояснительная записка королёв (Разработка информационной системы распознавания дорожных знаков с использованием сверточной нейронной сети), страница 11

Данный методработает по принципу двойного распознавания, сначала изображениепроходит первый этап идентификации с помощью метода опорных векторов,который отыскивает на изображениях дорожный знак по его форме и, если онтам находится передает его сверточной нейронной сети, которая ужепринимает окончательное решение о присутствии искомого объекта наизображении. Благодаря этому методу можно улучшить быстродействиесистемы, быстроту ее обучения, а также показания точности при различныхискажениях, шумах и изменениях углов наклона. было создано программное решение на основе методов и алгоритмов,предложенных во второй главе ВКР.

Программной областью для реализациибыло принято решение выбрать Microsoft Visual Studio 2015 и открытуюбиблиотеку компьютерного зрения и алгоритмов Opencv. Разработаннаяпрограмма на основе нового алгоритма показала отличные результаты во всехосновных требованиях для системы распознавания, таких как распознаванияобъекта на ложных изображениях, идентификация под различными углами81наклона объекта, распознавания на больших расстояниях (от 50 и до 100м), атакже захват и распознавание сразу нескольких объектов в кадре. Произведенасравнительная характеристика программы с существующими аналогами.Плюсы разработанного программного решения в относительно высокойскорости обучения сети, большой процент точных распознаваний приразличных углах наклона, также к плюсам можно отнести способностьраспознавания сразу нескольких дорожных знаков.

Минусом программыявляется отсутствие функции распознавания в реальном времени. Вдальнейшем планируется вести работу в улучшении алгоритма распознавания,а также добавления в программу функции идентификации в реальномвремени. Результаты экспериментальных исследований, приведенные вработе, представляют практический интерес при проектировании системуправления и обработки информации в области компьютерного зрения ираспознавания изображений.82Список используемых источников и литературы1.

Каковкин, П.А. Применение алгоритмов глубокого обучения длялокализации и распознавания дорожных знаков на изображениях [Текст] /П.А. Каковкин, А.А. Друки, В.Г. Спицын // Высокие технологии всовременной науке и технике: сборник научных трудов IV Международнойнаучно- технической конференции молодых ученых, аспирантов и студентов.– Томск: ТПУ, 21-24 апреля, 2015. – 360-364 с.2.

Вапник, В.Н. Теория распознавания образов (статистические проблемыобучения) [Текст] / В.Н. Вапник, А.Я. Червоненкис. – М.: Главная редакцияфизико-математической литературы изд-ва «Наука», 1974. – 416 с.3.Якимов,П.Ю.Отслеживаниедорожныхзнаковввидеопоследовательности с использованием скорости автомобиля [Текст] /П.Ю.

Якимов // Компьютерная оптика. – 2015. – Т. 39, № 5. – 795-800 с.4. Айзерман, М.А. Метод потенциальных функций в теории обучениямашин [Текст] / М.А. Айзерман, Э.М. Браверман, Л.И. Розоноэр. – М: Главнаяредакция физико-математической литературы изд-ва «Наука», 1970. –384 с.5. Ciresan, U. Meier, J.

Masci, L. M. Gambardella, J. Schmidhuber. Flexible,High Performance Convolutional Neural Networks for Image Classification. //Proceedings of the Twenty-Second international joint conference on ArtificialIntelligence. – 2011. – .1237–1242 p.6. Крючин, О.В. Параллельные алгоритмы обучения искусственнойнейронной сети Quickprop и Rprop [Текст] / О.В. Крючин, А.А.

Арзамасцев //Вестник Тамбовского университета. –2012. – Т. 17. – № 1. – 34–41 с.7. Солдатова, О.П. Применение сверточной нейронной сети дляраспознавания рукописных цифр [Текст] / О.П. Солдатова, А.А. Гаршин //Компьютерная оптика. – 2010. – Т. 34. – № 2. – 252–259 с.8.OpenCVLibrary[Электронныйресурс]–Режимдоступа:http://opencv.org/downloads.html. Дата обращения: 02.05.2017.839. Королёв, Б.Е. Разработка информационной системы распознаваниядорожных знаков [Электронный ресурс]: – Режим доступа: http://epostulat.ru/index.php/Postulat/article/view/644/667.10. Друки, А.А. Система поиска, выделения и распознавания лиц наизображениях [Текст] / А.А.

Друки, В.Г. Спицын // Известия Томскогополитехнического университета. – Томск: ТПУ, 2011. – Т. 318 – № 5. – 64 с.11. Друки, А. А. Алгоритмы распознавания рукописных подписей наоснове нейронных сетей [Текст] / А.А. Друки, М.А. Милешин //Фундаментальные исследования. – Москва: Академия естествознания, 2014. –№ 11.12. Viola, P. Robust real-time face detection / P. Viola, M.J. Jones //International Journal of Computer Vision. – 2004. – Vol.

57. – № 2. – 137–145 р.13. Хайкин, С. Нейронные сети: полный курс, 2-е издание [Текст] / С.Хайкин. – М.: Издательский дом «Вильямс», 2006. – 1103 с.14. Cпицын, В.Г. Применение искусственных нейронных сетей дляобработки информации [Текст] / В.Г. Cпицын, Ю.Р. Цой. – Томск: ТПУ, 2007.– 32 с.15. Лаборатория компьютерной графики ВМК МГУ [Электронныйресурс]: – Режим доступа: http://courses.graphics.cs.msu.ru. Дата обращения:15.05.2017.16.Журавлев,Ю.И.Распознавание.Математическиеметоды.Программная система.

Практические применения [Текст] / Ю.И. Журавлев,В.В. Рязанов, О.В. Сенько. – М.: ФАЗИС, 2006. – 176 с.17. Алпатов, Б.А. Методы автоматического обнаружения и сопровожденияобъектов. Обработка изображений и управление [Текст] / Б.А. Алпатов, П.В.Бабаян, О.Е. Балашов, А.И. Степашкин. – М.: Радиотехника, 2010. – 176 с.18.

Houben, S. Detection of Traffic Signs in Real-World Images: The GermanTraffic Sign Detection Benchmark / S. Houben, J. Stallkamp, J. Salmen, M.Schlipsing, C. Igel // International Joint Conference on Neural Networks. – 2013.8419. Фурсов, В.А. Локализация контуров объектов на изображениях привариациях масштаба с использованием преобразования Хафа [Текст] / С.А.Бибиков, В.А. Фурсов, П.Ю. Якимов // Компьютерная оптика. – 2013. – Т.

37,№ 4. – 502-508 с.20. Кореной А.В. Обнаружение, распознавание и определение параметровобразов объектов. Методы и алгоритмы / Радиотехника. – 2012. – 112 с.21. Шапиро Л. Компьютерное зрение / М.: БИНОМ. Лаборатория знаний,2013. - 752 c.22.

Метод Виолы-Джонса (Viola-Jones) как основа для распознавания лиц.URL: https://habrahabr.ru/post/133826/ Дата обращения 15.04.2017.23. Вежневец, А. Выделение связных областей в цветных и полутоновыхизображениях / А. Вежневец // Компьютерная графика и мультимедиа. – 2003.– № 1(5). – 56 с.24. Желтов, С.Ю. Система распознавания и визуализации характерныхчерт человеческого лица в реальном времени на персональной ЭВМ сиспользованием web-камеры / С.Ю. Желтов, Ю.В. Визильтер, М.В.

Ососков //Материалы XII Международной конференции по Компьютерной графике имашинному зрению. – Нижний Новгород: - 2009. – 251–254 с.25. Макаренко, A.A. Методика локализации изображения лица для системвидеоконтроля на основе нейронной сети / А.А. Макаренко, В.Т. Калайда //Известия Томского политехнического университета. – 2010. – Т. 309. – № 8. –113–118 с.26. Садыков, С.С. Скелетизация бинарных изображений / СС. Садыков,И.Р.

Самандаров // Зарубежная радиоэлектроника. – 1985. – № 11. – 30–37 с.27. Фаворская, М.Н. Морфологическая обработка контурных изображенийв системах распознавания текстовых символов / М.Н. Фаворская, А.С. Зотин,А.Н. Горошкин // Вестник СибГАУ. – 2007. – Т. 1(14). – 70–75 с.28. Машина опорных векторов [Электронный ресурс]: – Режим доступа:http://www.intuit.ru/studies/courses/10621/1105/lecture/17990.

Дата обращения:10.04.2017.8529. Горлов, Д.В. Распознавание изображений на основе признаков,инвариантныхксдвигу,вращению,масштабированию:Авторефератдиссертации на соискание ученой степени кандидата физико-математическихнаук [Текст] / Д.В. Горлов. – Красноярск: - 2002.30. Митчелл, Б.Ф.

Нахождение ближайшей к началу координат точкимногогранника / Б.Ф. Митчелл, В.Ф. Демьянов, В.Н. Малоземов // Л.: ВестникЛГУ. – 1971. – № 19. – 38-45 с.31. Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман, под ред.С. Соколова, пер. с англ. Андрей Богуславский. – М.: Бином. Лабораториязнаний. – 2006. – 752 c.32.Сойфер,В.А.Теоретическиеосновыцифровойобработкиизображений: Учебное пособие / В.А.

Сойфер, В.В. Сергеев, С.Б. Попов, В.В.Мясников. – Самара: СГАУ, 2010. – 256 с.33. Microsoft Visual studio [Электронный ресурс]: – Режим доступа:https://www.visualstudio.com/ru/ Дата обращения: 17.03.2017.34. Архипов, А.Е. Влияние предварительной обработки изображений накачество выделения контуров [Текст] / Архипов А.Е., B.C.

Панищев//Распознавание-2010: сб. материалов VI Международной конференции. –Курск: - 2010. - 29-30 с.35. Дегтярев, C.B. Методы цифровой обработки изображений Текст.:учебное пособие 4.1. Гриф УМО / C.B. Дегтярев., С.С. Садыков, С.С. Тевс,Т.А. Ширабакина // Курск: Курск, государственный технический университет.- 2001. - 167 с.36. Вакунов, Н.В.

Вейвлет-преобразование в обработке и анализеизображений [Текст] / Н.В. Вакунов, А.Л. Жизняков М.: Государственныйнаучный центр Российской Федерации – ВНИИ геосистем, 2004. – 102 с.37. Ушаков, С.Ю. Распознавание образов, инвариантное к искажениям[Текст] / С.Ю. Ушаков // Известия вузов. Приборостроение - 1994. Т.

37, №34. - 42 с.8638. Нейрокомпьютеры архитектура и реализация. [Электронный ресурс]: –Режим доступа: http://www.chipinfo.m/literature/chipnews/20010l/24.html. Датаобращения: 5.05.2017.39. Дуда, Р.Х Распознавание образов и анализ сцен / Р.Х. Дуда Пер. с англ.М.: Мир, 2001. - 511с40. Чернухин, Ю.В.

Цифровая нейрокомпьютерная модель зрительногоанализатора.[Текст]/Ю.В.Чернухин//Сб.научныхтрудов.Многопроцессорные вычислительные структуры - 2011. - выпуск. 13. - 49 с.41. Шапошников, Д.Г. Применение поведенческой модели зрения дляинвариантного распознавания лиц и дорожных знаков [Текст] / Д.Г.Шапошников // Нейрокомпьютеры: разработка и применение. – 2002. – 7-8. –21-33 с.42. Chen, Y.N. The application of a convolution neural network on face andlicense plate detection / Y.N. Chen, C.C. Han, C.T.

Wang // Proceedings of the 18thInternational Conference on Pattern Recognition. – 2006. – 552–555 р.43. Пытьев, Ю. П. Задачи морфологического анализа изображений [Текст]/ Ю.П. Пытьев // Математические методы исследования природных ресурсовЗемли из космоса. – М: Наука, 1984. – 41–83 с.44. Ферцев, А.А. Ускорение обучения нейронной сети для распознаванияизображений с помощью технологии NVIDIACUDA [Текст] / А. А.

Ферцев //Вестник Самарского государственного технического университета. Физ.-мат.науки. – 2012. – Т. 1(26). – 183–191 с.45. Wang. R.M. AdaBoost for Feature Selection, Classification and Its Relationwith SVM / R.M. Wang // International Conference on Solid State Devices andMaterials Science. –2012.

– 800 – 807 р.46. Yoon, J. Car License Plate Detection under Large Variations UsingCovariance and HOG Descriptors. / J. Yoon, B. Kang, D. Kim // 8th InternationalSymposium on Visual Computing (ISVC). – 2012. – 636–647 р.47. Viola, P. Robust real-time face detection / P. Viola, M.J. Jones //International Journal of Computer Vision. – 2004. – Vol. 57. – № 2. – 137–145 р.8748. Krizhevsky, A. ImageNet Classification with Deep Convolutional NeuralNetworks / A. Krizhevsky, I. Sutskever, G.

Hinton // Conference on NeuralInformation Processing Systems (NIPS). – 2012. – 27 р.49. Cheung, C.C. Improving the Quickprop Algorithm / C.C. Cheung, S.C. Ng,A.K. Lui // International Joint Conference of Neural Networks (IJCNN). – 2012.50. Chaturvedi, A. Automatic License Plate Recognition System using SURFFeatures and RBF Neural Network / A. Chaturvedi, N.

Sethi // International Journalof Computer Applications. – 2013. – Vol. 70. – № 27. – 37–41 р.88.