Улаанбаатар хотын замын хөдөдлгөөний түгжрэлийг зургын боловсруулалтын арга ашиглан бууруулах судалгаа

Илтгэсэн хурлын нэр: АВТО ЗАМ ИННОВАЦИ-2018 ЭШБХ

Илтгэгч:  С.Өлзийбаяр

Хамтран илтгэгч: [С.Өлзийбаяр:J.IT26],[Н.Анхбаяр:J.IT23],[Б.Дамдинсүрэн:J.EE01]

Илтгэсэн огноо: 2017-11-13

Илтгэлийн хураангуй:

Судалгааны ажлын үндсэн зорилго бол нийслэлийн авто замын хөдөлгөөний түгжрэлийг сааруулахад уулзваруудын камерын бичлэг дээр боловсруулалт хийж, түүнийг мэдээлэх бөгөөд уг зорилгын хүрээнд ачаалал тооцоолох аппликейшн болон түүний анализ хийгдсэн мэдээллийг иргэдэд түгээх мобайл апп гэсэн хоёр програм хангамжийг хийж гүйцэтгэх болно. Дээрх програм хангамжуудыг хийж гүйцэтгэхдээ зургийн боловсруулалтанд суурилсан Blob Detection, feature detection, motion detection, Generetive adversarial networks аргачлалыг ашиглан тооцоолол хийх 3 аргыг туршин харьцуулалт хийсэн ба түгжрэлийн индекс өндөртэй буюу уулзваруудын нэвтрэлтийн ачаалал өндөр манай хотын хувьд хөдөлгөөнд суурилсан бус шинж чанарт суурилсан тооцоолол илүү үр дүнтэй болох нь туршилтаар тогтоогдсон. Эдгээр аргуудыг ашиглан уулзвар дээрх түгжрэлийг тооцоолох үйл ажиллагааг туршихад үр дүнгийн танилт нь дунджаар  75% байсан ба Feature detection аргын танилт нь бусад аргаасаа 12%-аар илүү байсан болно. Түүнчлэн тооцоолол дээрээ суурилан түгжрэлийн индексийг гаргахдаа машин сургалтанд суурилсан HOG, HAAR CASCADE, HAAR LIKE болон SVM ангилагчид дээр туршилт хийсэн ба туршилтаар HAAR CASCADE ангилагчийн сургалтанд суурилсан ангилал хамгийн өндөр хувьтай ангилсан нь ажиглагдсан болно. Мөн дээрх програмыг хийж гүйцэтгэхдээ зургийн боловсруулалтын болон машин сургалтын зарим аргуудыг хослуулан таамаглал дэвшүүлэх боломжтойг судалгааны үед ажиглан улмаар уулзваруудын одоогийн мэдээлэл дээр суурилан таамаглал дэвшүүлэх зорилтыг тавин ажиллаж байна. Дээрх таамгийг гаргахдаа Full-Day-State-Picture буюу тухайн уулзварын бүтэн өдрийн ачааллын мэдээллийг контоур график хэлбэрийн зураг болгон дүрсэлж ашиглах  ба ингэснээр тухайн уулзварын мэдээлэл дээр зургийн боловсруулалт хийн богино хугацаанд анализ хийж улмаар өмнөх Full-Day-State-Picture-үүд дээр харьцуулалт хийн ирээдүйн төлвийг таамаглах боломжтой болж байгаа юм. Энэ нь бүр цаашлаад удирдлагын түвшний шийдвэр гаргахад маш чухал хэрэгтэй мэдээлэл болох юм.

Илтгэлийн төрөл: Үзүүлэн илтгэл (Poster)

Түлхүүр үг: #HAAR LIKE болон SVM ангилагчид #Full-Day-State-Picture #HAAR CASCADE #HOG

Илтгэл нэмсэн: С.Өлзийбаяр

Монгол Улсын Шинжлэх Ухаан Технологийн Их Сургууль © 2018