آشکارسازی و تشخیص علائم سرعت با استفاده از اطلاعات رنگ و شکل
محورهای موضوعی : انرژی های تجدیدپذیر
حامد حمیدی‌راد
1
,
حسین پورقاسم
2
,
همایون مهدوی نسب
3
,
احمد کشاورز
4
1 - کارشناسی ارشد /دانشگاه آزاد اسلامی واحد نجف‌آباد
2 - استادیار /دانشگاه آزاد اسلامی، واحد نجف‌آباد
3 - استادیار /دانشگاه آزاد اسلامی، واحد نجف‌آباد
4 - استادیار/دانشگاه خلیج فارس بوشهر
کلید واژه:
چکیده مقاله :
رنگ و شکل دو پارامتر اساسی برای شناسایی علائم ترافیکی هستند. این مقاله یک روش جدید در مورد شناسایی علائم هشدار دهنده سرعت در تصاویر جاده‌ای در شرایط مختلف ارائه می‌دهد. در این روش با استفاده از تکنیک آستانه گذاری در فضای رنگ HSI، تقسیم بندی رنگ در تصویر انجام می‌گیرد. در ادامه گوشه‌های بهینه در تصویر را با کانوالو کردن تعدادی ماسک به دست می‌آوریم و با استفاده از یکسری عملیات هندسی مکان علامت در تصویر استخراج می‌گردد. اولین مزیت در تشخیص مکان علامت، دقت بالای آن است. به طوری که مکان علامت تا فاصله 30 متر، تصاویر نویز دار تا 30 درصد و تصاویر چرخیده تا 5 درجه توسط این روش قابل شناسایی است. از دیگر مزایای این الگوریتم می‌توان به سادگی ساختار ماسک‌ها و سرعت محاسبات بیشتر از روشهای دیگر تشخیص ارائه شده، اشاره کرد. در نهایت، با حذف اطلاعات اضافی در تصویر استخراج شده و تطبیق با تصاویر پایگاه داده، نوع علامت تشخیص داده می‌شود. اگر عکس برداری در شرایط نورپردازی و آب و هوایی مناسبی صورت گیرد، نرخ تشخیص علامت بالای %89 خواهد بود.
Color and shape are basic characteristics which are used to recognize traffic signs. In this paper, a new speed limit sign detection method in various conditions is proposed. In this method, color image is segmented based on a thresholding technique in HSI color space. Then, corner features are detected using convolution masks and found the location of sign. The first advantage of this method is high accuracy to detect the location of sign. So, the object can be detected with 30% noise level, 30 meters for distances of signs, and for rotated signs. The second advantage of the proposed method is high speed in sign detection. Utimately, the type of sign can be recognized with eliminate redundant information and match between extracted image and database image. If the illumination conditions be ideal, the recognition rate is obtained to 89%.
