توسعه الگوريتم پردازش تصوير براي تشخيص انسان در شرايط مزرعه‌اي

با توجه به پيشرفت نرم‌افزارها و سخت‌افزارهاي رايانه‌اي و تجهيزات الكترونيكي، وجود يك سامانه‌ي هشدار دهنده براي تشخيص موانع و انسان در جلوي وسايل نقليه كشاورزي مي تواند جهت جلوگيري از تصادفات مفيد باشد. در اين پژوهش براي توسعه الگوريتم پردازش تصوير تشخيص انسان در موقعيت هاي مكاني جاده آسفالت، مزارع برداشت شده گندم و نيشكر در شرايط نوري مختلف تلاش شد. تصاوير موردنياز در محيط‌هاي مختلف در فواصل 3 تا 21 متر و در حالت هاي متفاوت قرارگيري انسان در تصوير با يك دوربين ديجيتال گرفته شدند. پس از انتقال تصاوير به رايانه، در جعبه ابزار پردازش تصوير نرم افزار متلب الگوريتم HOG براي شناسايي انسان در تصاوير بر روي آنها اعمال گرديد. در اين الگوريتم پس از پيش پردازش، حذف نويز و نرماليزاسيون تصاوير، از طبقه بند SVM براي به نتيجه رسيدن الگوريتم استفاده شد. وضعيت قرارگيري انسان روي نرخ تشخيص آن توسط الگوريتم تاثير معني داري در سطح احتمال يك درصد داشت و بالاترين نرخ تشخيص انسان برابر با 96/98 درصد در حالت ايستاده پشت به دوربين بدست آمد. نرخ تشخيص انسان توسط الگوريتم در جاده آسفالت، مزرعه گندم و مزرعه نيشكر به ترتيب 95/97، 11/89 و 55/91 درصد بدست آمد. به دليل پيچيدگي پس زمينه در مزرعه گندم، نرخ تشخيص انسان نسبت به جاده و مزرعه نيشكر كمتر بود.