فهرست مطالب
عنوان صفحه
فصل 1- مقدمه 7
1-1- دوربین سامانهی تشخیص پلاک خودرو 7
فصل 2- آشنایی با سامانهی تشخیص پلاک خودرو 8
2-1- کاربردهای سامانهی تشخیص پلاک 8
2-2- اخذ عوارض جادهها و بزرگراهها به صورت خودکار 8
2-3- محاسبه مدت سفر 9
2-4- اندازهگیری سرعت متوسط خودروها 9
2-5- بینایی رایانهای 10
2-6- وظایف اصلی در بینایی رایانهای 10
2-7- مراجع 15
فصل 3- نحوه تشخیص پلاک خودرو توسط دوربین های راهنمایی و رانندگی 17
3-1- محدوده طرح 17
3-2- سامانه تشخیص پلاک 18
3-3- کنترل مکانیزه 19
3-4- ماشین باسواد 19
3-5- توصیف دقیق ریاضی 20
3-6- مراجع 21
فصل 4- سیستم نظارت تصویری ترافیکی اتوماتیک با استفاده از دوربینهای متحرک 22
4-1- مقدمه 22
4-2- مشخصات و محدودیتهای موجود 23
4-3- PrePosition . 24
4-4- تشخیص محدوده جاده 25
4-4-1- شناسایی حرکت 26
4-5- فاصله زمانی بین ٢ فریم متوالی 27
4-6- تعیین حد آستانه 27
4-7- ایجاد ساختار جاده 28
4-8- تعیین معادلات خطوط جاده 30
4-9- اندازه گیری پارامترهای کیفی 32
4-10- انتخاب قطعات مناسب تصویر جهت پردازش 32
4-11- استخراج ویژگیها 33
4-12- تصمیم گیری در مورد وضعیت هر خط ترافیکی 34
4-13- اندازه گیری پارامترهای کمی 34
4-14- تشخیص و شمارش خودرو 35
4-15- سرعت خودرو 35
4-16- تشخیص صف 36
4-17- جمعبندی 37
4-18- مراجع 38
فصل 5- مکانیزم دوربین های سرعت سنج های پلیس 42
5-1- راه حل برای فرار از این دوربین ها 43
5-2- Tondkar 47
5-3- انواع سرعت سنج ها : 47
5-4- اجزا سرعت سنج جریان چرخشی : 48
5-5- سرعت سنج جریان گردابی : 49
5-6- درجه بندی سرعت سنج : 50
5-7- آینده طراحی سرعت سنج ها : 51
5-8- مدل رهگیری لیزری: 51
5-9- سامانه رهگیری ویدوئویی : 52
5-10- منابع 53
فصل 6- نگاهی به سیستم های جدید کنترل ترافیک 54
6-1- ● سیستم های کنترل ترافیک امروزی 54
6-2- ● کنترل ترافیک با تکنولوژی جدید 55
فصل 3- نحوه تشخیص پلاک خودرو توسط دوربین های راهنمایی و رانندگی
کنترل مکانیزه آخرین راهحل مدیران شهری برای جلوگیری از ورود ماشینهای غیرمجاز به محدوده طرح است که از ماه قبل و بعد از یک دوره آزمایشی رسما شرع به کار کرد.
نشریه علمی دانستنهیا در شماره دهم از دور جدید انتشار در گروه مجلات همشهری ، در بخش « فناوری» به این بهانه ، سیستم شناسایی خودکار پلاک خودرو را مورد بررسی قرار داده است.
دیگر خبری از قفل چرخ و بگیر و ببندهای پلیسی نیست؛ یعنی میتوانید قانون را شکسته و وارد محدوده طرح ترافیک شوید؛ اگر عواقب آن را بپذیرید، چون بالاخره یک روز که خیلی هم دور نیست، زنگ خانه را میزنند و مأمور پست نامه حاوی برگههای جریمه را به دستتان میدهد؛ جریمههایی که هر بار که قانون را شکسته و وارد محدوده طرح ترافیک شدهاید، دوربینهای نظارت مکانیزه برایتان ثبت کردهاند. طرح ترافیک واژهای است که اولین بار در خردادماه سال۱۳۵۹ مردم تهران با آن آشنا شدند.
بخش هایی از این گزارش در ادامه می آید . برای مطالعه متن کامل آن و خواندن ده ها گزارش ، مقاله و گفتگوی خواندنی دیگر، شماره نیمه دوم مرداد ماه « دانستنیها» شما را راهنمایی می کند.
3-1- محدوده طرح
شهر تهران در داخل خودش یک منطقه ممنوعه ترافیکی برای خودروهای شخصی دارد؛ یعنی در حال حاضر مساحتی بیش از ۳میلیون متر مربع از شهر تهران منطقه ممنوعه ترافیکی محسوب میشود. این محدوده از شمال به خیابان شهید مطهری، از غرب به خیابان کارگر، از جنوب به خیابان شوش و از شرق به امتداد خیابان ۱۷شهریور محدود میشود. این محدوده وسیع شامل بیشتر از ۱۰۰ورودی است که کنترل آن کار سادهای بهنظر نمیرسد. تا قبل از اجراییشدن طرح کنترل مکانیزه این مجراهای ورودی به وسیله نیروی انسانی کنترل میشدند.
فرشاد جلالی – مدیر بخش تحقیق و توسعه سازمان کنترل ترافیک به دانستنیها از دلایل عدم موفقیت این روش میگوید. بر این اساس بوده که سازمان کنترل ترافیک به فکر پیدا کردن راهحل جایگزینی برای این مساله افتاد.
3-2- سامانه تشخیص پلاک
مطالعات اولیه برای کنترل مکانیزه محدوده طرحترافیک از سال۸۵ شروع شده است. چیپهای خودکار تشخیص هویت (RFID) یا دوربین شناسایی پلاک خودرو گزینههای موردنظر برای کنترل این محدوده بودند؛ «به دلیل سختی نصب چیپ روی ۵/۳میلیون ماشین در شهر تهران، سازمان تصمیم گرفت روشی را انتخاب کند که از ماشینها مستقل باشد و هر ماشینی را شناسایی کند؛ حتی ماشینهایی که از خارج تهران وارد شهر میشوند.»
جلالی می گوید: «بنابراین نمایندگان سازمان با شرکت انگلیسی «TIPS» وارد مذاکره شدند. آنها در لندن این روش را شش سال قبل از ما به کار گرفته بودند. با این همه اعلام کردند ما قادر به شناسایی کاراکترهای پلاک شما نیستیم و شما باید پلاکهایتان را عوض کنید. درست مثل اتفاقی که در دوبی افتاد و آنها مجبور به انگلیسیکردن کاراکترهایشان شدند.» بنابراین مدیران شهرداری تصمیم گرفتند انجام این کار را به متخصصان داخلی بسپارند
3-3- کنترل مکانیزه
با تکمیل شدن سامانه، در حال حاضر با پوشش بالاتر از ۹۰درصد خودروهای غیرمجاز ورودی شناسایی و برای آنها برگ جریمه صادر میشود. البته کنترل مکانیزه از آخر خرداد و به صورت آزمایشی راهاندازی شد و برگههای اخطار را صادر کرد تا مردم موضوع را جدی بگیرند اما از ابتدای تیر اقدام به صدور برگ جریمه تنبیهی میکند. این نرمافزار براساس یک روش جهانی که به آن شناسایی الگو گفته میشود، کار شناسایی پلاک را انجام میدهد. اما سوال اصلی این است که این کار چطور اتفاق میافتد؟
3-4- ماشین باسواد
همه ما برای خواندن اعداد و حروف از سوادمان بهره میگیریم اما وقتی که مجموعه دوربین و نرمافزار میتوانند این کار را انجام بدهند، یعنی آنها هم باسواد (بخوانید هوشمند) هستند؟ برای اینکه ببینیم چطور میشود یک دوربین هوشمند یا باسواد ساخت، ابتدا باید ببینیم آن چیزی که ما به آن هوش یا سواد میگوییم چیست و چطور عمل میکند.
این گزارش با تشریح روش « تشخیص ساده » و مثال زدن از مغز انسان ادامه می هد : وقتی از نرمافزار، دوربین یا کامپیوتر میخواهیم چیزی را برای ما تشخیص بدهد، کافی است الگویی داشته باشد تا شیء موردنظر را با آن الگوها مقایسه کند؛ مقایسهای که چندان مشکل بهنظر نمیرسد اما درحقیقت بسیار پیچیده است. مغز ما پر از میلیونها الگو است که بهسرعت هر چیزی را با آنها مقایسه میکند. آنقدر سریع که ما متوجه این موضوع نمیشویم اما این میلیونها الگو به مرور زمان و با استفاده از هوش در مغز ما بهوجود آمدهاند و مساله مهم درستکردن الگوهاست.
3-5- توصیف دقیق ریاضی
اولین قدم در این کار دستهبندی اشیا به تعدادی موضوع یا کلاس است. قدم بعدی نسبتدادن ویژگیهای مشخص و واضح به هر کدام از دستههاست. براساس همین ویژگیهاست که سامانه بعد از دریافت دادههای خام ویژگیهای موردنظرش را از آن دادهها استخراج کرده و با ویژگیهای الگو تطبیق میدهد. پس باید ویژگیهای الگو را بهخوبی برای سامانه تعریف کرده باشیم؛ یعنی یک نوع توصیف دقیق ریاضی و آن را طوری تعریف کنیم که بتواند همان ویژگیها را بهخوبی از اشیا استخراج کند. مثلا دوربینهای عکاسی مجهز به نوعی نرمافزار برای تشخیص صورت هستند.
الگوهای تعریف شده برای این دوربینها و قدرت پردازنده آنها در حدی است که فقط قادر به تشخیص صورت از بقیه اجزای بدن هستند اما نمیتوانند بین صورتهای مختلف تشخیصی بدهند. نمونههای پیشرفتهتر میتوانند لبخند فرد را هم تشخیص بدهند. همین ویژگی در سیستمهای امنیتی تا حد شناسایی افراد حتی در بدترین شرایط نوری توسعه پیدا میکند.این روش باید آنقدر دقیق باشد تا مثلا حرف «ن» و «ل» را با هم اشتباه نگیرد. این آخری ایرادی است که در سامانه تشخیص پلاک وجود داشته و با تستهای اولیه برطرف شده است.
3-6- مراجع
1-شماره های مختلف نشریه دانستنیها. (http://barsam.ir/archive)
فصل 4- سیستم نظارت تصویری ترافیکی اتوماتیک با استفاده از دوربینهای متحرک
4-1- مقدمه
امروزه امر کنترل ترافیک از جمله مباحث بسیار مهم و حیاتی است که مستلزم بکارگیری افراد متخصص و با تجربه می باشد. مهندسی ترافیک هم بر همین اساس بنا نهاده شده است تا بتواند ترافیک شهری را از طریق جمع آوری و آنالیز اطلاعات ترافیکی نظیر تعداد خودروها، سرعت آنها وجریان ترافیک، کنترل و مدیریت نماید. در همین راستا بعضی از کشورها راه کارهایی را اندیشیده اند و سیستمهایی را بوجود آورده اند تا بتوانند بطور اتوماتیک و مکانیزه ترافیک شهری را تحت کنترل خود درآورند [1،2 و3],از اینرو سنسورهای مختلفی نظیر Microwave Vehicle Detector ، Inductive Loop Detector(ILD)سنسورهای لیزری و راداری، دوربینهای ویدئویی و سنسورهای نوری و الکترونیکی به این منظور بوجود آمده اند که ،به منظور تحلیل کمی و کیفی تصاویر ترافیکی از آنها استفاده می شود. اما با وجود تنوع کارایی، سنسورهای ذکر شده دارای معایبی نیز می باشند. به عنوان مثال نصب و نگهداری (ILD) ها گران می باشد. همچنین (ILD) ها قادر نیستند خودروهایی که ایستادهاند و یا آهسته حرکت می کنند را شناسایی کنند و تنها در یک نقطه خودروها را می شمارند. علاوه بر این هنگام اندازه گیری جریان ترافیک و یا سرعت خودروها به چندین Detectorاحتیاج می باشد [10].
در این میان، دوربین های ویدئویی با پوشش فضای وسیعی از صحنه های ترافیکی، بیشترین اطلاعات را از این صحنه ها نسبت به سایر سنسورها دریافت می نمایند. همچنین نصب دوربین های ویدئویی نسبت به سایر سنسورها به هزینه کمتری احتیاج داشته و ارائه خدمات و نگهداری از آنها نیز مستلزم قطع جریان ترافیک معابر مربوطه نمی باشد. علاوه بر این، متخصصان با بهرهگیری از روشهای تحلیلی و پردازشی اعمال شده بر تصاویر دریافتی از دوربینها می توانند به شکل بهینه تر و کم هزینه تری ترافیک شهری را مدیریت و کنترل نمایند.