۱. مقدمه

تشخیص اشیا در تصویر یک عمل پر چالش است که بسیاری از محققین در حال حاضر به آن می پردازند. تشخیص و نام گذاری¹ اشیا در عکس بسیار پر چالش است، زیرا تصاویری که داریم می تواند در شرایط بسیار متونعی باشد. به عنوان مثال برای تشخیص خودرو در تصویر چالش هایی که در پیش رو هستند عبارتند از :

تصاویر بسیار متونع از زوایای متفاوت از خودرو
گوناگونی در خودروها به عنوان مثال خودرو سواری ، اتوبوس و …
رنگ ها و طرح های متفاوت خودرو ها
تصاویر در شب یا روز
تصاویر در شرایط جوی متفاوت مانند برفی، بارانی یا آفتابی یا ابری

فایق آمدن بر چنین مشکلاتی در حالت کلی بسیار مفید خواهد بود و در زمینه هایی مانند ایمنی خودروها²، فهرست گذاری ویدو³، دنبال کردن اشیا در تصویر⁴ ، روباتیک و … بسیار سودمند خواهد بود.

اما تشخیص خودرو در تصویر چه سودمندی خواهد داشت؟

برای پاسخ به این سوال بد نیست به چند نمونه از کاربرد هایی که هم اکنون شاهد آن هستیم اشاره کنیم. به عنوان مثال دوربین های کنترل سرعت راهنمایی و رانندگی که در سطح شهر هستند با تشخیص جسم با سرعت بالاتر از حد مجاز عکسی میگیرند که ابتدا در آن عکس خودرو را تشخیص می دهند و سپس پلاک آن.

۲. کارهای مرتبط

رویکردهایی برای تشخیص اشیا در تصویر وجود دارد مانند: شناسایی با اجزا⁵ ، شناسایی بر اساس ظاهر⁶ و شناسایی بر اساس ویژگی ها⁷.

۲.۱. شناسایی بر اساس ویژگی ها

درخت ترجمه⁸

نظریه و اثبات⁹

ثبات وضعیت ¹⁰

خوشه بندی وضعیت ¹¹

با توجه به افزایش داده ها و میل روز افزون به دستیابی به اطلاعات موجود ، کاهش بعد ها به وسیله ی انتخاب ویژگی ها (Feature Selection) مهم شدند. روش های زیر بخشی از روش هایی هستند که به این منظور به کار گرفته شدند.

روش شاخه و حد توسط Narendra و Fukunaga برای دوری از جست و جو های کامل همه زیر مجموعه های ویژگی ها استفاده شد. Liu et al. هم روشی برای دوری از جست و جوی کامل توسعه داده است.

در سال ۲۰۱۱ Pedrycz و Ahmad از روش انتخاب ویژگی (Feature Selection) با رویکرد تصادفی ، الگوریتم ژنتیک و بهینه سازی اجتماع ذرات استفاده کردند.

در سال ۱۹۹۶ Bala et al. از الگوریتم ژنتیک و درخت های تصمیم گیری برای انتخاب ویژگی های مفاهیم بصری استفاده کرد. Dollar et al. ابعاد مجموعه تصادفی آغازین را با استفاده از روش Ada Boost کاهش داد.

۲.۲. شناسایی بر اساس ظاهر

روش تقسیم و حال

تطابق لبه

هیستوگرام

۳. روش پیشنهادی

روش پیشنهادی برای تشخیص خودرو در تصویر، روش ژنتیک الگوریتم است. زیرا این روش بدون نیاز به دانش اولیه و مداخله انسان قابل پیاده سازی است. همچنین در زمینه هایی مانند شناسایی خودرو، شناسایی صورت و شناسایی هواپیما در تصویر این روش به دقت ۱۰۰٪ رسیده است.

البته سعی خواهد شد از الگوریتم ECO feature که بر اساس الگوریتم ژنتیک است استفاده گردد. این الگوریتم بسیار قوی و جدید است به طوری که برای شناسایی اشیا به صورت عمومی در تصاور استفاده می گردد.

توضیحات تفضیلی در مورد این روش در مقاله مربوطه که در بخش مراجع آمده قابل مشاهده است.

البته ما در استفاده از این روش اولویت را بر تشخیص خودرو خواهیم نهاد.

۴. مراجع

A feature construction method for general object recognition

Wikipedia, Outline of object recognition

Computational method of feature selection, Edited by Huan Liu & Hiroshi Motoda