Пояснительная записка королёв (1206314), страница 6
Текст из файла (страница 6)
Затем некималгоритмом определяется положение дорожного знака. После этого знакраспознается программой распознавания. База данных, в зависимости отпоставленных перед системой задач, может иметь различную схему.1.3.2 Opel eyeСистема Opel Eye – это система распознавания дорожных знаков. СистемаOpel Eye работает по следующему принципу: между лобовым стекломавтомобиля и зеркалом заднего вида расположена видеокамера с высоким33разрешением и широким углом обзора. Эта камера постоянно получаетинформацию о том, что находится впереди автомобиля. Видеокамераспособна передавать до тридцати кадров в секунду на два процессораобработки сигналов.
В памяти системы заложена база дорожных знаков. Еслиизображение, передаваемое с камеры, соответствует какому-либо знаку,заложенному в базу данных, то система выводит на панель приборовсоответствующий знак [50]. Это могут быть, например, знак с запретомобгона, знак с ограничением скорости движение и т.д. На рисунке 1.9представлен пример работы системы Opel Eye.Рисунок 1.9 – Пример работы Opel eyeСистема Opel Eye поможет водителю: если по какой-либо причиневодитель не заметил ограничение скорости (или другой знак дорожногодвижения), то система Opel Eye этот знак не упустит и выведет его на панельприборов.
Сейчас многие автомобили используют навигационную систему, вкоторую уже заложены сообщения по ограничению скорости на различныхучастках трассы. Система Opel Eye принципиально отличается от других34навигационных систем, так как в режиме реального времени она оцениваетдействительную ситуацию на дороге [39].Также, стоит отметить, что система распознавания знаков Opel Eye имееттакие дополнения как FCA и LDW. FCA – это система предупреждения офронтальном столкновении.
LDW – это система, контролирующая сменуполосы движения.Таким образом, при появлении опасности столкновения с автомобилем,который движется впереди или при пересечении полосы движения - в салонемашины прозвучит звуковой сигнал. Также вместе со звуковым сигналом напанельприбороввысветитсясоответствующеесообщение.Точностьраспознавания знаков резко снижается если он наклонен или загрязнен общаяточность, примерно 75 процентов.1.3.3 Speed limit assist (Mercedes)В новых автомобилях S-, CL-, CLS- и E-Классов скоро появится новаясистема Speed Limit Assist — система помощи водителю в соблюдениискоростного режима.
Она призвана напомнить водителю об ограничениискорости на проходимом им в этот момент участке дороги. На рисунке 1.10показан пример работающей системы Speed Limit Assist.Рисунок 1.10 – Пример работы Speed limit assist35Последняя версия Speed Limit Assist способна не только распознаватьдорожные знаки, но и анализировать применима ли, например, полученнаяинформация для грузовиков. Кроме того, система распознает знаки окончанияограничения скоростного режима.
В то же время, если после знакаограничения скорости через некоторое время не последовало его отмены,навигационная система покажет сохраненные у себя данные для этого участкадороги. Система анализирует полученную с камеры на лобовом стеклеинформацию в режиме реального времени. Место расположение знакаограничения скорости — сбоку от дороги или вверху — не имеет значения.Благодаря доработке технологии распознавания знаков, поступающих откамеры к системе Speed Limit Assist, анализ информации занимает не болеесекунды, и результат моментально передается на дисплей. По мнениюнемецких экспертов, система помощи водителю в соблюдении скоростногорежима поможет избежать или, по крайней мере, снизить количестводорожно-транспортных происшествий [44].Статистика показывает, что многие серьезные автомобильные аварии надорогах вызваны превышением допустимого скоростного режима.
Точностьопределения дорожных знаков существенно снижается при загрязнении знакаи наклоне. Общая точность определения примерно 70 процентов.1.3.4 Road sign informationСистема помогает водителю помнить о дорожных знаках, которые онпроехал. Показывает знаки ограничения скорости и обгон запрещенодновременно. Может также показывать знак «Дорога для автомобилей» и«Автомагистраль». При обнаружении знака ограничения скорости, на шкалускорости ставится красный треугольник со значением ограничения.
Знакисбрасываются при обнаружении знака «Конец ограничения» и т.п. Бываютложные срабатывания. Рисунок 1.11 демонстрирует работу системы.36Рисунок 1.11 – Пример работы системы Road sign informationПрограммный комплекс может распознавать следующие знаки: ограничение скорости; обгон запрещён; конец всех ограничений; автомагистраль / конец автомагистрали; информационные таблички (на английском языке).Точность распознавания резко снижается при наклоне, частичномперекрытии или загрязнённости знака, его повороте.1.3.5Системараспознаваниядорожныхзнаковлабораториикомпьютерной графики и мультимедиа МГУ им.
ЛомоносоваГлавнымикомпьютернаянаправлениямиграфика,исследованийкомпьютерноезрение,лабораторииатакжеявляетсяобработкаизображений и видео. Так же этой лабораторией была разработана37информационная система по идентификации знаков дорожного движения повидео для мобильных платформ. В группе лаборатории ведутся исследованияпо нескольким направлениям в рамках данной задачи: высокоскоростное выделение дорожных знаков; распознавание знаков с помощью многослойных нейронных сетей; построение синтетических коллекций изображений для обученияалгоритмов.На рисунке 1.12 можно увидеть пример результата распознания этойсистемойРисунок 1.12 - Пример результата распознавания знака системойДля обнаружения знаков в разработанной системе используется детекторВиолы-Джонса на основе каскада классификаторов, обучаемых с помощьюбустинга.Разработкабылапротестировананаобщедоступнойбазебельгийских знаков, состоящей более чем из 4000 изображений.
Длязапрещающих и предписывающих знаков точность составила 96.5% и 95.5%соответственно, при 10-9 ложных срабатываний на окно детектора [15].381.4Сравнение технических характеристик существующих системраспознавания дорожных знаковВ таблице 1.1 представлена сравнительная характеристика существующихсистем распознавания.Таблица 1.1 – Сравнительная характеристикаЛабораторияRoad sign комп. графики иinformationмультимедиаим. ЛомоносоваПараметрOpel EyeSpeedLimitAssistЗаявленнаяточностьраспознавания90%95%96%95%50505050РаспознаваниезнаковограниченияскоростиДаДаДаДаРаспознаваниепрочихзапрещающихзнаковДаНетДаДаОсвещенностьзнака не менееПрочаяинформацияРеальнаяточностьраспознаванияНачалоработы отскоростидвижения>6075%Открытаясистема , воснове алгоритмВиолы Джонса70%75%95%Из таблицы можно сделать вывод, что отдельно реализованныеинформационные системы для распознавания дорожных знаков очень редки,39большинство ИС не является отдельно установленной функцией, а в основномони входят в состав заводских опций автомобиля.
Из этого следует, что ихкоммерческая стоимость слишком большая. Все предустановленные системыпоказывают небольшой процент идентификации дорожных знаков, процентраспознавания падает, если дорожный знак находится не в идеальныхусловиях (наклон, частичное перекрытие, загрязнение знака) так какизображения терпят проектные искажения. Во время испытаний надежно иточно распознаются лишь чистые знаки с контрастным контуром. Узнатькакие алгоритмы лежат в основе этих ИС не представляется возможным таккак в свободном доступе эта информация не распространяется.Разработка метода идентификации дорожных знаков устойчивых к такимпреобразованиям, повысит точность распознавания, что является актуальнымпри: наклоненном дорожном знаке; маневрировании автомобиля в зоне идентификации; высокой скорости движения автомобиля.1.5 Основные результаты и выводыВ данной главе были рассмотрены существующие алгоритмы и системы,применяющиеся для идентификации дорожных знаков на изображении.
Наосновании данного анализа был сделан ряд выводов: на данный момент нет методов, которые полностью бы удовлетворялитребуемым характеристикам при распознавании дорожных знаков, приналичиишумов,аффинныхипроекционныхпреобразованийнаизображениях; проведя анализ выяснилось, что все они имеют довольно узкий диапазондопустимых искажений дорожных знаков, поэтому естественно существуует40потребность в разработке более устойчивых к искажениям методовраспознавания; наиболее эффективными для решения поставленной задачи являютсяметоды основанные на применении сверточных нейронных сетей и методаопорных векторов так как сверточные сети проявляют повышенную степеньинвариантности к различного рода искажениям, а метод опорных векторов вроли классификатора позволит на раннем этапе определять причастностьзнака к определенной группе по его форме.412 Разработка алгоритмов обнаружения и распознавания дорожных знаковна изображенииВ данной части ВКР проводится полное описание методов и алгоритмов,которые были предложены и внедрены в основу разрабатываемогоприложения для распознавания дорожных знаков.
Предложен алгоритмдетектированияобластирасположениясимволовнаизображениях,основанный на методе опорных векторов и сверточных нейронных сетях.2.1 Разработка метода распознавания объектов на изображенииПри решении сложных задач классификации возникает необходимостьв реализации алгоритмов, эффективно решающих поставленные задачи.Однако качество реализованных алгоритмов зачастую оставляет желатьлучшего. В подобных ситуациях имеет смысл реализовать алгоритмическуюкомпозицию (boosting – улучшение), состоящую из нескольких алгоритмов,каждый из которых старается компенсировать ошибки классификации,полученныенапредыдущихитерациях.Вомногихисследованияхнаблюдалось, что при наращивании алгоритмических композиций происходитинтенсивное уменьшение частоты ошибок на независимых тестовых наборахданных, а также увеличение скорости работы системы.
Данные фактыизменили сложившееся представление о необходимости ограничениясложности алгоритмов. В итоге многими исследователями был сделан вывод,что алгоритмические композиции не снижают эффективность работысистемы, а лишь сглаживает погрешность базовых алгоритмов.На сегодняшний день построение алгоритмических композиций, в которыхразличные алгоритмы компенсируют недостатки друг друга, является однимиз наиболее перспективных направлений машинного обучения. Достоинстваданного подхода заключаются в универсальности, гибкости, высокой42обобщающей способности и возможности получения качественного обучения,недостижимого для отдельных базовых алгоритмов.Детектирование области расположения объектов, в данном случаедорожных знаков является достаточно сложной задачей в связи с наличием наизображениях сложной фоновой структуры и шумовых помех.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
