Aplikacja mobilna do rozpoznawania numerów linii komunikacji miejskiej

• Autorzy: Baran R. , Leszczuk M. , Ślusarczyk P. , Ruść T.

Identyfikatory

DOI

10.15199/59.2016.6.110

Warianty tytułu

EN

Mobile app for public transport destination sign recognition

• Konferencja: Krajowa Konferencja Radiokomunikacji, Radiofonii i Telewizji KKRRiT 2016 (XVI ; 27-29.06.2016 ; Kraków, Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule zaprezentowano wyniki badań nad rozpoznawaniem numerów autobusów i tramwajów w warunkach rzeczywistych i przy użyciu urządzeń mobil nych. Celem ww. badań było opracowanie skutecznych narzędzi wspomagających osoby z upośledzeniem wzroku w korzystaniu ze środków komunikacji miejskiej. Spośród wielu różnych analizowany podejść, w artykule zaprezen towane jedynie to, na którym oparto końcowy rezultat przeprowadzonych prac, tj. aplikację mobilną dedykowaną dla tej kategorii osób. Podejście to obejmuje dwie, wybra ne techniki przetwarzania obrazów, bazujące odpowiednio na metodzie Haar-Like [7] oraz filtracji kolorów. W arty kule przedstawiono szczegóły obu metod oraz zaprezento wano rezultaty testów nad ich zastosowaniem do rozp znawania numerów linii. Szczegóły implementacji ww. aplikacji mobilnej również zostały przedstawione, a efek tywność jej działania została podsumowana i poddana ocenie.

Słowa kluczowe

PL

filtr kolorów; metoda Haar-Like; wizja komputerowa; aplikacja mobilna

EN

mobile app; signs recognition; computer vision; color filters

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne
• Rocznik: 2016
• Tom: nr 6
• Strony: 617--620, CD
• Opis fizyczny: Bibliogr. 7 poz., rys., tab., wykr.

Twórcy

autor

Baran R.

• Wydział Elektrotechniki, Automatyki i Informatyki, Politechnika Świętokrzyska, Kielce

autor

Leszczuk M.

• AGH Akademia Górniczo-Hutnicza, Kraków

autor

Ślusarczyk P.

• Instytut Fizyki, Uniwersytet Jana Kochanowskiego, Kielce

autor

Ruść T.

• Instytut Fizyki, Uniwersytet Jana Kochanowskiego, Kielce

Bibliografia

• [1] Chen, X., Yuille, A.: Detecting and reading text in natural scenes. In: Computer Vision and Pattern Recognition, CVPR, (2004)
• [2] Emami, S., Ievgen, K., Mahmood, N.: Mastering OpenCV with Practical Computer Vision Projects. Packt Publishing, Limited, (2012)
• [3] Leszczuk M., Baran R., Skoczylas L., Rychlik M., Ślusarczyk, P.: Public Transport Vehicle Detection Based on Visual Information. In: Proc. of the 7th Int. Conf. on Multimedia Communications, Services and Security, vol. 429, pp 16-28, (2014)
• [4] Lienhart, R., Kuranov, E., Pisarevsky, V.: Empirical analysis of detection cascades of boosted classifiers for rapid object detection. In: DAGM 25th Pattern Recognition Symposium, pp. 297–304, (2003)
• [5] Macmillan, N.A., Creelman, C.D.: Detection Theory – A user’s guide. Lawrence Erlbaum Associates, Mahwah, New Jersey, London, (2005)
• [6] Parlouar, R., Dramas, F., Mace, M.J.M., Jouffrais, C.: Assistive Device for the Blind Based on Object Recognition: an Application to Identify Currency Bills. In: Proc. of the 11th Intern. ACM Sigaccess Conference On Computers and Accessibility, ASSETS'09, pp. 227-228, (2009)
• [7] Viola, P., Jones, M.J.: Robust real-time face detection. Int. Journal on Computer Vision, (2004)