Real-time procedures for automatic recognition of road signs

• Autorzy: Pawłowski P. , Prószyński D. , Dąbrowski A.

Warianty tytułu

PL

Procedury rozpoznawania znaków drogowych w czasie rzeczywistym

• Konferencja: IEEE Signal Processing Conference : Algorithms, Architectures, Arrangements, and Applications. IEEE SPA 2009 (13 ; 24-26.09.2009 ; Poznań, Poland)
• Języki publikacji: EN

Abstrakty

EN

In this paper we propose procedures for detection and recognition of main groups of vertical road signs. The algorithm is intended for the use in vehicles, thus it is optimized to work in real-time. The described recognition process consists of several following stages. At first we are reducing the number of colors using the minimum variance quantization and changing the representation of an input video to the indexed color images. By this step the total amount of data is significantly reduced without decreasing the recognition quality. Then we check, which objects in individual images of the examined video have similar colors to those of particular road signs. To solve this problem, i. e., to determine proper RGB dependencies for the color-based segmentation of real world scenes, we use perceptive color spaces such as HSI and JCh instead of, e. g., the RGB space. The next step is to determine, which regions from those just found in the previous step by the color matches exhibit the road sign like shapes. This classification is done by computing geometric moments and appropriate shape factors. As the meaning of most road signs lies in the shape of the symbol just inside the sign, the essential process consists in recognition of this symbol. Thus in the final stage we recognize and classify the sign symbols using an artificial neural network (ANN). Additionally we propose a procedure to detect road marking, which can be used to track the car position on the road. All presented procedures work in real-time and improve safety of driving and, in consequence, may possibly decrease numbers of accidents.

PL

Artykuł przedstawia procedury wykrywania i rozpoznawania podstawowych grup pionowych znaków drogowych. Zaproponowany algorytm jest przeznaczony do zastosowania w pojazdach, w związku z tym jest przystosowany do pracy w czasie rzeczywistym. Przedstawiony proces rozpoznawania składa się z kilku etapów. W pierwszym, za pomocą kwantyzacji metodą minimalnej wariancji oraz przekształcenia wejściowych ramek wideo do obrazów z indeksowanym kolorem, jest redukowana liczba kolorów. Proces ten znacząco zmniejsza liczbę danych do przetworzenia bez istotnego pogorszenia jakości rozpoznawania. Następnie są wykrywane obiekty o kolorach zbliżonych do wykorzystywanych w znakach drogowych. Aby zminimalizować wpływ zmian oświetlenia i otoczenia na poprawne wykrywanie kolorów na tym etapie, zamiast klasycznej przestrzeni barw np. RGB, użyto przestrzeni percepcyjnych takich jak HSI i JCh. W kolejnym kroku w obszarach o dopasowanych kolorach, za pomocą momentów geometrycznych i współczynników kształtu, są wykrywane kształty znaków. Ponieważ znaczenie większości znaków określają symbole umieszczone wewnątrz znaków, kluczową procedurą jest wykrycie i rozpoznanie tych symboli. Ten etap został zrealizowany za pomocą sztucznych sieci neuronowych. Dodatkowo zaproponowano procedurę wykrywającą wybrane znaki poziome, jakimi są linie rozdziału pasów ruchu. Wyniki zostaną wykorzystywane do śledzenia trajektorii pojazdu, co w połączeniu z pozostałymi procedurami, może przyczynić się do zwiększenia bezpieczeństwa na drogach i zmniejszenia liczby kolizji i wypadków.

Słowa kluczowe

EN

automatic recognition of road signs; video processing; color spaces; artificial neural networks

PL

rozpoznawanie znaków drogowych; rozpoznawanie automatyczne; przetwarzanie sekwencji wizyjnych; przestrzenie barw; sztuczne sieci neuronowe

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2009
• Tom: Vol. 50, nr 3
• Strony: 57--62
• Opis fizyczny: Bibliogr. 17 poz., tab.

Twórcy

autor

Pawłowski P.

autor

Prószyński D.

autor

Dąbrowski A.

• Politechnika Poznańska, Katedra Sterowania i Inżynierii Systemów

Bibliografia

• [1] Poynton C. A.: Digital Video and HDTV: Algorithms and Interfaces. Morgan Kaufmann, 2003.
• [2] The Math Works, Inc., Image Processing Toolbox For Use with MATLAB - User Guide. Version 4, 2003, pp. 370-378.
• [3] Gonzalez R. C., Woods R. E., Eddins S. L.: Digital Image Processing Using Matlab. Pearson Prentice Hall, 2004
• [4] Gonzalez R. C., Woods R. E.: Digital Image Processing. Pearson Prentice Hall, 2002.
• [5] Pratt W. K.: J. Wiley & Sons, Digital Image Processing. 2001.
• [6] Moroney N., Fairchild M. D., Hunt R. W. G., Li C., Luo M. R., Newman T.: The CIECAM 02 Color Appearance Model. IS & T/SID Tenth Color Imaging Conference.
• [7] Fairchild M. D.: A Revision of CIECAM 97s for Practical Applications. Color Research & Appl. (4), Wiley Interscience 2000, pp. 260-266.
• [8] Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów. Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków, 1997.
• [9] Tadeusiewicz R.: Systemy wizyjne robotów przemysłowych, WNT, Warszawa 1992.
• [10] Ohusro A. A. M.: Invariant object recognition, King Fahd University of Petroleum & Minerals. 2004.
• [11] Shutler J.: Statistical Moments. University of Edinburgh, 2002.
• [12] Żurada J., Barski M., Jędruch W.: Sztuczne sieci neuronowe - Podstawy teorii i zastosowania. Wydawnictwo Naukowe PWN, Warszawa 1996.
• [13] Zhang D., Lu G.: Acomparative study on shape retrieval using Fourier Descriptors with different shape signatures. Monash University, Australia.
• [14] Petkovic T., Krapac J.: Shape description with Fourier descriptors. 2002.
• [15] Kri Jger V.: Integrating Visual Information over Time. Cognitive Vision Systems Workshop, Schloss Dagstuhl, International Conference and Research Center for Computer Science, 2003.
• [16] Krüger V., Kragic D., Geib C., Ude A.: The Meaning of Action: a review on action recognition and mapping. Aalborg Universitet, Copenhagen Institute of Technology, 2007.
• [17] Pawłowski P., Prószyński D., Dąbrowski A.: Recognition of road signs from video. NTAV/IEEE SPA 2008 Conf., Poznań 2008, pp. 213-218.