مشخصات پژوهش

عنوان	تشخیص کمربند ایمنی رانندگان با استفاده از SVM و CNN بر روی تصاویر خودروهای ایران
نوع پژوهش	پایان نامه های تقاضا محور و غیر تقاضا محور
کلیدواژه‌ها	تشخیص کمربند ایمنی، شبکه عصبی کانولوشن، یادگیری انتقال
چکیده	سیستم تشخیص خودکار کمربند ایمنی یکی از حیطه های مهم تحقیقاتی به شمار می رود. با این وجود، الگوریتم و روش های کنونی ارائه شده در این حیطه دارای کارایی لازم نمی باشند. روش های سنتی موجود عمدتا مبتنی بر تشخیص لبه و تبدیل هاف هستند. با این وجود انواع مختلفی از وسایل نقلیه با تصویر زمینه-های متنوع وجود دارد که ممکن است لبه های زیادی ایجاد کنند که این امر منجر به افزایش خطای تشخیص سیستم می گردد. در این پایان نامه یک الگوریتم تشخیص کمربند ایمنی برای تصویر زمینه های جاده ای پیچیده با استفاده از تکنیک یادگیری عمیق معرفی می شود سپس با استفاده از شبکه Alexnet توانایی طبقه بندی شبکه عصبی کانولوشن افزایش و آموزش شبکه کاهش داده شده است. سپس، ویژگی ها به دسته بند SVM داده شده و عمل دسته بندی توسط SVM انجام می گردد. هدف از انجام این پژوهش، تشخیص کمربند ایمنی رانندگان از تصاویر خودروهای ایران و بهبود روش های موجود می باشد که یک سیستم تشخیص کمربند ایمنی با استفاده از شبکه Alexnet برای این منظور ارائه شده است. نتایج حاصل از این پژوهش نشان می دهد که دقت حدود %97 روی مجموعه داده های به دست آمده از وب و دقت %84 روی داده های جمع آوری شده از جاده های ایران می باشد.
پژوهشگران	علیرضا رهسپارفرد (دانشجو)، احسان منصوری (استاد راهنما)، سیف اله سلیمانی (استاد راهنما)