Traffic signs detection using blob analysis and pattern recognition

Zavadil, Jaromir; Tůma, Jiří; Santos, Vítor

doi:10.1109/carpathiancc.2012.6228752

Cited by 8 publications

(3 citation statements)

References 4 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sınıflandırma aşamasında ise özellik çıkarımı (feature extraction) ve eğitilmiş sinir ağları yapısını kullanmaktadır [2]. Zavadil ve arkadaşlarının 2012 yıl yaptığı trafik işareti tanıma ve sınıflandırma çalışmasında ise çeşitli siyah beyaz obje özelliklerinin karşılaştırılması tabanlı algoritmalar geliştirilmiştir [3]. Bu çalışma kapsamında ise çekilen resim için önce en uygun renk uzayı dönüşümü belirlenmiştir.…”

Section: Abstract-trafficunclassified

Speed bump detection system by autothresholding method

Mertoglu¹,

Orhanli

2015

2015 23nd Signal Processing and Communications Applications Conference (SIU)

View full text Add to dashboard Cite

Özetçe-Trafik işaretlerinin bir sistem tarafından tanınarak kullanıcıya yardım etmesi amacı çerçevesindeSürücü Yardım Sistemleri (Driver Assistance Systems) ortaya çıkmıştır. Bu çalışma kapsamında trafik işaretini tanımak için renge göre bölütleme ile dış çerçevesi bulunan trafik levhasının içerisindeki işareti tanımak için şekil tabanlı örüntü tanıma algoritmaları geliştirilmiştir. Tanıma işlemi için standart özelliklerde bir cep telefonu kamerası ile çekilen resimler üzerinde çalışılmıştır. Bu çalışma da özgün olarak olumsuz koşullarda çekilen görüntüler üzerinde yoğunlaşılmıştır ve algoritmanın renk ve şekil tabanlı analizler için otomatik olarak en iyi eşik değerini seçmesi hedeflenmiştir. Renk tabanlı eşik değeri seçimi için ilk olarak alınan görüntüler üzerinde histogram analizi yapılarak alt eşik değeri ve üst eşik değeri belirlenmiştir. Otsu yöntemi ile otomatik eşik değeri seçimi için gereken alt ve üst eşik değerleri bu histogramdan elde edilmiştir. Çalışmanın ikinci bölümünde ise kırmızı üçgen levhanın içerisindeki kasis işaretinin tanınması için çeşitli alan ve eliptiklik tabanlı filtreler oluşturulmuştur. Gürültü faktörlerinin baskın olduğu bazı resimlerde algoritmanın başarılı bir şekilde çalıştığı gözlemlenmiştir ancak özellikle kameranın çekim açısına göre kasis işaretinin önünde bulunan bir nesne, levhanın bir kısmını kapattığında algoritma başarılı olamamaktadır. Benzetim ortamında alınan bu sonuçlar ilerde gerçek zamanlı olarak geliştirilecek "Kasis İşareti Uyarı Sistemi" için ön çalışma niteliğindedir.

show abstract

Section: Abstract-trafficunclassified

Speed bump detection system by autothresholding method

Mertoglu¹,

Orhanli

2015

2015 23nd Signal Processing and Communications Applications Conference (SIU)

View full text Add to dashboard Cite

show abstract

“… Carry out image edge detection by highlighting the contours (outlines) of traffic signs first and then detect true traffic signs through shape analysis of the contours (Alefs et al., ; Jiménez et al., ; Deguchi et al., ; Gu et al., ; Zavadil et al., ). First, conduct image segmentation with red/green/blue (RGB), hue/saturation/intensity (HSI) or other colour spaces for identifying candidate regions of traffic signs; then confirm the true traffic signs through the shape analysis of candidates (Gao et al., ; Prieto and Allen, ; Xu, ; Marinas et al., ; Song and Liu, ; Zhang et al., ). …”

Section: Introductionmentioning

confidence: 99%

Extraction of road traffic sign information based on a vehicle‐borne mobile photogrammetric system

Sheng

2015

The Photogrammetric Record

View full text Add to dashboard Cite

A new approach to automatically extracting road traffic sign information based on a vehicle-borne mobile photogrammetric system (VMPS) is proposed in this paper. The method can be divided into four steps: (a) traffic sign detection in a single image; (b) geometric information computation in a stereopair; (c) semantic information recognition; and (d) stereoscopic information consistency verification. In order to enhance the robustness and adaptability of the approach, colour recognition probabilistic neural networks (PNNs) based on pixel vectors, together with shape-identification PNNs based on central projected vectors, are used during the traffic sign detection and recognition steps. The proposed approach is applied to many real-scene stereopairs taken by VMPS at different times and places. Experimental results demonstrate its feasibility and effectiveness.

show abstract

“…ITSs are various: including driving-assistance systems [1], detection of obstacles [2][3][4], road scene understanding [5], road signs detection [6] and roads disease detection in which the color image processing plays an important role. This paper is focus on the field of the roads disease detection based on color image processing.…”

Section: Introductionmentioning

confidence: 99%