آشکارسازی وشناسایی علایم ترافیکی در سال های اخیر بیش تر مورد استقبال محققان قرار گرفته است وتحقیقات زیادی در این زمینه صورت گرفته است،این علاقه ناشی از محدوده وسیع برنامه های کاربردی در این حوزه است، معمولا این برنامه ها دارای قابلیت های زیر هستند: • نگهداری بزرگراهها:امروزه برای این که وضعیت ظاهری علایم ترافیکی […]
کلاس بندی فرآيند پيدا کردن يک مدل توصيف کننده و تميز دهنده برای کلاس های داده ها است. اين مدل بايد به شکلی باشد که بتوان از آن برای پيش بينی کلاس داده هايی که برچسب آن ها نامشخص است، استفاده کرد. کلاس بندی کننده، بوسيله يک مجموعه داده آموزش که برای آن ها برچسب
بطور کلی مراحل مختلف یک سیستم بازشناسی گوینده، بصورت زیر خلاصه می گردد: 1-قطعه بندی آکوستیکی[1] 2-تشخیص گفتار از غیر گفتار[2] 3-تشخیص جنسیت گوینده 4-تشخیص تغییر گوینده 5-جمع زدن گوینده های مشابه این سیستم دارای بلوک های کاری مستقل از هم می باشد که هر بلوک ورودی خود را از خروجی بلوک قبلی دریافت می
پس از استخراج ويژگي، بحث چگونگي ارتباط ميان ويژگيها و نحوه تعيين ميزان خستگي و عدم تمرکز حواس راننده بر اساس اين ويژگيها مطرح ميشود. تعيين وضعيت راننده يک مسئله طبقهبندي[1] (دستهبندي) محسوب ميشود. سادهترين شکل آن، طبقهبندي وضعيت راننده به دو حالت هوشيار و غيرهوشيار ميباشد. در حالت ديگر ميتوان ميزان هوشياري راننده را
در سيستمهاي نظارت چهره راننده، ويژگيهاي مفيد براي تشخيص خستگي و عدم تمرکز حواس به سه دسته کلي قابل تقسيم است: ويژگيهاي ناحيه چشم ويژگيهاي ناحيه دهان ويژگيهاي ناحيه چهره و سر 1-1-1- ويژگيهاي ناحيه چشم چشم مهمترين عضو چهره است که نشانههاي خستگي و عدم تمرکز حواس در آن ظهور پيدا ميکند. به همين
1-1- رديابي چهره و اجزاي آن تقريبا در تمام سيستمهاي نظارت چهره راننده، پس از آشکارسازي چهره رديابي آن انجام ميگيرد. رديابي چهره به جاي آشکارسازي آن در فريمهاي متوالي باعث کاهش حجم محاسبات و در نتيجه افزايش سرعت سيستم خواهد شد. به همين دليل معمولا پس از آشکارسازي اوليه چهره، در فريمهاي بعد عمليات
در سيستمهاي نظارت چهره راننده کمتر از ويژگيهاي ساير اجزاي چهره مانند بيني و لبها استفاده شده، اما در اين بخش مروري کوتاه بر روشهاي آشکارسازي بيني و لب خواهد شد. معمولا از مکان بيني براي تعيين جهت سر و از مکان لبها براي تشخيص خميازه کشيدن[1] يا صحبت کردن راننده استفاده ميشود. 1-1-1- آشکارسازي
يک سيستم نظارت چهره راننده از سه بخش عمده شامل بخش تصويربرداري، بخش سختافزار و پردازنده و بخش نرمافزار هوشمند تشکيل شده است. هر يک از بخشهاي اين سيستم، نقش سازنده و مهمي را در کارايي سيستم دارند و اين بخشها به يکديگر وابستهاند. ميتوان گفت مهمترين بخش سيستم، بخش نرمافزار هوشمند است که به
اصلی‌ترین زمینه تحقیقاتی در حوزه یادگیری ماشین، شناسایی الگو[1] است؛ یعنی استخراج اطلاعات و الگو‌های تکرار شونده از داده ورودی[2]، که این اطلاعات برای انجام تصمیم‌گیری در مورد داده‌های نادیده[3] کاربرد دارد. بر اساس نوع پیش بینی داده‌های نادیده، انواع روش‌های شناسایی الگو را می توان به دو گروه کلی روش‌های مبتنی بر دسته‌بندی[4] و
فوق لیسانس مهندسی برق در کانادا ، آمادگی خود جهت آموزش و انجام پروژه های متلب MATLAB و سیمولینک simulink و پایتون python را اعلام می کند. متقاضیان می توانند به ایمیل زیر پیام دهند : matlab120 [[att]] gmail dot com سابقه 12 ساله در انجام پروژه و برنامه نویسی متلب دانشگاهی و صنعتی