Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/13523
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2015_WallaceBrunoSilvadeSouza.pdf8,59 MBAdobe PDFver/abrir
Título: Detecção e reconhecimento automáticos de sinais de trânsito
Autor(es): Souza, Wallace Bruno Silva de
Orientador(es): Espinoza, Bruno Luiggi Macchiavello
Assunto: Trânsito - sinais e sinalização
Processamento de imagens - técnicas digitais
Visão por computador
Data de apresentação: 6-Jul-2015
Data de publicação: 4-Jul-2016
Referência: SOUZA, Wallace Bruno Silva de. Detecção e reconhecimento automáticos de sinais de trânsito. 2015. xiv, 64 f., il. Monografia (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2015.
Resumo: Este trabalho propõem um método para detectar e reconhecer, automaticamente, placas de trânsito. A abordagem utilizada para a detecção baseia-se na segmentação por cores no espaço de cores YCbCr. Essa segmentação é feita por meio do processo de limiariza ção. Desse modo, a obtenção dos limiares envolve a confecção de histogramas para as componentes de crominância Cb e Cr do espaço supracitado. A componente Y armazena informações relacionadas ao brilho e não é utilizada nesse procedimento, pois os limiares são muito sensíveis a variações de luminosidade. Foram ainda estabelecidos alguns critérios para tentar evitar os falsos positivos, isto é, objetos que não são de interesse, mas acabam sendo detectados como placas de trânsito. Exemplos desses critérios são a análise da sobreposição de placas e relação de nida entre altura e largura das placas a serem identi cadas. Complementarmente, propõe-se uma maneira simples de identi car a forma dos sinais candidatos, mediante a análise de características referentes à área espacial das guras geométricas. Para o reconhecimento, são usadas máquinas de vetores de suporte (SVM, do inglês Support Vector Machines ). Essas SMV's são organizados em um agrupamento que leva em consideração uma classi cação prévia dos sinais, ou seja, uma vez detectada a cor e a forma da placa, o sistema sabe exatamente qual o subgrupo de máquinas de vetores de suporte que devem ser utilizadas. Assim, não há necessidade de executar todas as SVM's disponíveis. A utilidade de um sistema como esse consiste na manutenção dos sinais de trânsito, no desenvolvimento de sistemas automáticos de controle de veículos ou até no apoio a de cientes visuais. Além da proposta do método, são apresentados os satisfatórios resultados obtidos, sendo feita uma comparação com os resultados já existentes na área. As taxas de acerto para a detecção são em média 83%, mas variam de acordo com as condições climáticas. Por outro lado, as taxas do reconhecimento são superiores a 87%. Consensualmente, outros desa os a serem superados referem-se à oclusão parcial dos sinais, à orientação e desgaste deles, bem como à falta de padronização das placas entre os países.
Abstract: This work proposes a method to detect and recognize, automatically, tra c signs. The approach used for detection is based on segmentation in the YCbCr color space. This segmentation is performed through a thresholding process. Thus, the search for thresholds involves making histograms for the chrominance components Cb and Cr of the aforementioned space. The component Y stores information related to the brightness and is not used in this process, because the thresholds are very sensitive to light variations. Some criteria have been established trying to avoid false positives, that is, objects that are not of interest, but end up being detected as tra c signs. Examples of such criteria are the analysis of the overlaying tra c sign and the de ned relationship between height and width of the signs to be identi ed. In addition, it proposes a simple way to identify the shape of the candidate signs by analyzing features related to the spatial area of geometric gures. For recognition, Support Vector Machines (SVM) are used. These SMV's are arranged in sets that takes into account a previous classi cation of the signals. Therefore, once detected the color and the shape of the tra c sign, the system knows exactly which subset of support vector machines that will be used, there is no need to execute all the available SVM's. The usefulness of such a system consists in the maintenance of tra c signs, in the development of automated systems for vehicle control or even in the supporting for visually impaired people. Besides the proposed method, the satisfactory results obtained are shown and a comparison was made with existing results in the area. For detection, the hit rates are on average 83%, but vary according to weather conditions. Moreover, the recognition rates are above 87%. Consensually, other challenges to be overcome are the partial occlusion of the signs, the orientation and the state of them as well as the lack of standardization of the tra c signs between countries.
Informações adicionais: Monografia (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2015.
Aparece na Coleção:Ciência da Computação



Este item está licenciado na Licença Creative Commons Creative Commons