Wizyjna detekcja obiektów w obrazach przy użyciu klasyfikatora SVM i deskryptorów HOG : porównanie wyników dla kolejowych sygnalizatorów świetlnych oraz dla sylwetek ludzkich

• Autorzy: Król R. , Bojarczak P. , Taraś A.

Warianty tytułu

EN

Computer vision based detection of objects in images using SVM classifier and HOG descriptors : comparison of the results for railway traffic lights and silhouettes of people

• Języki publikacji: PL

Abstrakty

PL

W artykule porównane zostały krzywe DET (ang. Detection-Error Tradeoff) dla pojedynczego klasyfikatora SVM testowanego na zbiorze kolejowych sygnalizatorów świetlnych przy użyciu oprogramowania zaimplementowanego w środowisku MATLAB, oprogramowania zaimplementowanego w C++ przy użyciu biblioteki OpenCV oraz dla pojedynczego klasyfikatora testowanego na zbiorze obrazów INRIA zawierającym sylwetki ludzkie. Potrzeba porównania rezultatów dla sygnalizatorów świetlnych z rezultatami dla ludzi oraz porównania funkcji oferowanych przez środowisko MATLAB z funkcjami biblioteki OpenCV wynika z uzyskanych w poprzednich badaniach (R. Król, P. Bojarczak, Detekcja kolejowych sygnalizatorów świetlnych w obrazach przy użyciu deskryptorów HOG i sieci neuronowych SVM) wysokich, względem badań N. Dalal, wartości współczynnika FPPW (ang. False Positives Per Window). Badania przedstawione w niniejszym artykule dowodzą, że charakterystyczne cechy geometryczne sygnalizatorów świetlnych nie wpływają na jakość rezultatów uzyskanych przy metodzie badań zastosowanej w poprzedniej pracy.

EN

In this paper Detection-Error Tradeoff Curves were compared for the single SVM classifier which was tested on the set of images containing railway traffic lights using the software which Authors implemented in Matlab, software implemented by the Authors in OpenCV (C++) and for the single SVM classifier tested on the INRIA persons image set using software implemented by the Authors in Matlab. Research performed in this paper are important because in the last numerical experiments high values of FPPW coefficient (False Positives Per Window) were obtained. Results presented in this paper prove that characteristic features of the railway traffic lights geometry do not influence value of FPPW and HOG descriptors can be successfully used for this type of object.

Słowa kluczowe

PL

przejazd kolejowy; system ostrzegania; sygnalizator świetlny; deskryptor HOG

EN

train crossing; warning system; traffic light; HOG descriptor

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2017
• Tom: R. 18, nr 12
• Strony: 260--263, CD
• Opis fizyczny: Bibliogr. 5 poz., wykr.

Twórcy

autor

Król R.

• Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu, Wydział Mechaniczny, Instytut Mechaniki Stosowanej i Energetyki, Zakład Mechaniki

autor

Bojarczak P.

• Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu, Wydział Transportu i Elektrotechniki, Instytut Automatyki i Telematyki, Zakład Elektroniki i Diagnostyki

autor

Taraś A.

• Uniwersytet Technologiczno-Humanistyczny im. Kazimierza Pułaskiego w Radomiu, Wydział Mechaniczny, Instytut Mechaniki Stosowanej i Energetyki, Zakład Mechaniki

Bibliografia

• 1. Król R., Bojarczak P., Detekcja kolejowych sygnalizatorów świetlnych w obrazach przy użyciu deskryptorów hog i sieci neuronowych svm, „Autobusy. Technika, Eksploatacja, Systemy Transportowe” 6/2017.
• 2. http://radiopoznan.fm/informacje/pozostale/kolej-wyjasnia-przebieg-zdarzenia.html
• 3. http://www.themorningsun.com/article/MS/20130618/NEWS04/130619584
• 4. https://pl.wikipedia.org/wiki/Katastrofa_kolejowa_pod_Szczekocinami
• 5. Dalal N., Finding people in images and videos, THESE pour obtenir le grade de Docteur de L’Institut National Polytechnique de Grenoble, 17 Juillet 2006.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018)