تشخیص و شناسایی علائم راهنمایی و رانندگی، جزء اساسی سیستم های پیشرفته کمک به راننده (ADAS) است که به طور قابل توجهی در ایمنی جاده، راحتی رانندگی و توسعه فناوری های رانندگی خودکار نقش دارد. با وجود تحقیقات گسترده در این حوزه، تشخیص دقیق و بلادرنگ علائم راهنمایی و رانندگی به دلیل شرایط روشنایی متغیر، انسدادها، تغییرات مقیاس، پس زمینه های پیچیده و تنوع ظاهر علائم راهنمایی و رانندگی در محیط های دنیای واقعی، همچنان چالش برانگیز است. برای پرداختن به این چالش ها، این مطالعه یک رویکرد دو مرحله ای جدید برای تشخیص و شناسایی کارآمد و بلادرنگ علائم راهنمایی و رانندگی در شرایط ترافیکی واقعی ارائه می دهد. در مرحله اول، تشخیص علائم راهنمایی و رانندگی و طبقه بندی اولیه با استفاده از ویژگی های هیستوگرام گرادیان های جهت دار (HOG) همراه با یک چارچوب طبقه بندی پراکنده انجام می شود که امکان نمایش قوی ویژگی ها و تمایز کارآمد بین مناطق دارای علامت و بدون علامت را فراهم می کند. در مرحله دوم، یک فرآیند تشخیص دقیق تر اعمال می شود که در آن علائم راهنمایی و رانندگی با استفاده از طبقه بندی پراکنده که توسط معیار فیشر و جاسازی خطی محلی (LLE) بهبود یافته است، به زیرکلاس ها طبقه بندی می شوند، که فشردگی درون کلاسی و تفکیک پذیری بین کلاسی را بهبود می بخشد. روش پیشنهادی با استفاده از مجموعه داده های معیار تشخیص علائم راهنمایی و رانندگی ایران، که شامل ۲۱۸۲ تصویر علامت راهنمایی و رانندگی حاشیه نویسی شده در چندین دسته است، ارزیابی می شود. نتایج تجربی نشان می دهد که چارچوب پیشنهادی به دقت تشخیص بالای ۹۹.۲٪ دست می یابد، در حالی که پیچیدگی محاسباتی قابل توجهی کمتری را در مقایسه با رویکردهای موجود در ادبیات حفظ می کند. علاوه بر این، این سیستم عملکرد قوی در زمان واقعی را با میانگین زمان پردازش ۱۳۸ میلی ثانیه در هر فریم، معادل تقریباً ۷.۲ فریم در ثانیه، نشان می دهد. به طور کلی، نتایج نشان می دهد که روش دو مرحله ای پیشنهادی، تعادل موثری بین دقت و کارایی محاسباتی ایجاد می کند و آن را برای کاربردهای ADAS در زمان واقعی و استقرار بالقوه در سیستم های حمل و نقل هوشمند مناسب می سازد.

تشخیص علائم راهنمایی و رانندگی ویژگی HOG نمایس تنک معیار فیشر و نگاشت محلی خطی