چکیده: کلاه ایمنی یک وسیله ضروری برای موتورسواران است که می‌تواند تا حد زیادی صدمههای وارد شده به ناحیه سر را هنگام تصادف کاهش دهد؛ اما برخی موتورسواران گاهاً به دلایل مختلفی از آن استفاده نمیکنند. برای این منظور در بیشتر کشورها، قانون استفاده از کلاه ایمنی برای موتورسواران وضع شده است. استفاده از نیروی انسانی برای بررسی نقض‌کنندگان این قانون، کاری مداوم، خسته‌کننده و همراه با خطا است. بنابراین نیاز به سیستم‌های هوشمندی است که بتواند موارد تخلف را شناسایی کند. در طی چند سال گذشته پژوهش‌هایی با استفاده از راهکارهای پردازش تصویر برای تشخیص موتورسواران بدون کلاه ایمنی ارائه شده است. در این روشها، برای شناسایی کلاه ایمنی از ویژگی‌های سطح پایین (رنگ، شکل و بافت) یا سطح بالا (ویژگی‌های معنایی) استفاده شده است. بیشتر تحقیق‌های انجام شده در استخراج ویژگی‌های سطح پایین از ناحیه سر موتورسوار، از چندین توصیفگر استفاده کردهاند. استفاده از چندین توصیفگر، محاسبات و زمان زیادی می‌خواهد. هم‌چنین سیستمی که از ویژگی‌های سطح بالا استفاده می‌کند، به دادههای زیادی برای آموزش نیاز دارد. در این پایاننامه روشی برای تشخیص موتورسوارن بدون کلاه ایمنی ارائه شده است که بر اساس راهکارهای پردازش تصویر، ویژگی‌های سطح پایین را از تصاویر موتورسواران (ناحیه سر) استخراج میکند. روش ارائه شده، از مفهوم بافت در پردازش تصویر برای استخراج ویژگی جهت تشخیص کلاه ایمنی استفاده میکند. با بررسی تصویر سر و تحلیل بافت آن به خوبی میتوان موتورسوار بدون کلاه ایمنی را شناسایی کرد. برای بهبود دقت این روش، علاوه بر مفهوم بافت از ویژگی شکل هندسی (شیب ناحیههای محلی تصویر) نیز برای شناسایی کلاه ایمنی استفاده میشود. برای ارزیابی عملکرد، روش‌ ارائه شده روی پایگاه داده‌ای حاوی 255 تصویر موتورسوار دارای کلاه ایمنی و بدون کلاه ایمنی اعمال شد. بهترین دقت حاصل از روش به کارگیری بافت و روش به کارگیری بافت به همراه شکل هندسی، به ترتیب برابر با 95.68 و 98.03 است. همچنین این روش از نظر دقت و سرعت با یک روش موجود روی یک پایگاه داده یکسان مقایسه شد، و نتایج نشان دهنده برتری روش ارائه شده در پایان نامه است.