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
|