ارائه ی الگوریتم هشدار نسبت به موتورسیکلت های پشت سر با استفاده از تک دوربین و روش های یادگیری عمیق

در ایران موتورسیکلت ها یکی از آسیب پذیرترین کاربران جاده ها هستند که حجم زیادی از آمار تصادفات را شامل می شوند. در این مقاله راهکار مناسبی برای کمک به کاهش تصادفات اتومبیل ها با موتورسیکلت ها و به ویژه موتورسیکلت های مجهز به بادگیرهای مشکی رنگ ارایه شده است که با استفاده از تنها یک دوربین مستقر بر روی آینه بغل سمت کمک راننده، آگاهی راننده نسبت به نقاط کور محدوده ی بغل و پشت سر افزایش می یابد، تا در صورت نزدیک شدن بیش از حد موتورسوار، با اعلام هشدار به راننده از بروز تصادف جلوگیری شود. این عملیات هشدار با توجه به تلفیق اطلاعات بدست آمده از دو مرحله تشخیص موتورسیکلت و سپس برآورد فاصله با استفاده از روش های یادگیری عمیق صورت گرفته است. در مرحله تشخیص، مدل های مختلفی از الگوریتم های YOLO با یکدیگر مقایسه شده اند که در میان آن ها، مدل بهبود یافته ی YOLOV4 با میانگین دقت 80 درصد و سرعت 35 فریم بر ثانیه بهترین عملکرد در شناسایی موتورسیکلت های مورد نظر را داشته است. این مدل بر روی پایگاه داده شامل 2000 تصویر اخذ شده از موتورسیکلت های شهر تهران آموزش داده شده است. در مرحله ی دوم برای برآورد نقشه عمق تک تصویر از آموزش مدل Monodepth2 بر روی 6000 جفت تصویر اخذ شده از خیابان های شهر تهران با استفاده از دوربین MYNT-EYE استفاده شده است. با ادغام نتایج بدست آمده از مختصات موتورسیکلت در تصویر و نقشه عمق بدست آمده، الگوریتم پیشنهادی به بهترین عملکرد در تشخیص و براورد فاصله ی دوربین تا موتورسیکلت موردنظر با میانگین خطای 36 سانتی متر و سرعت 20 فریم بر ثانیه دست یافته است.