Traffic sign recognition using scale invariant feature transform and color classification method
SIFT (scale invariant feature transform) ve renk sınıflama yöntemini kullanarak trafik işareti tanıma
- Tez No: 251041
- Danışmanlar: PROF. DR. MUHİTTİN GÖKMEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 110
Özet
Literatürde trafik işareti tespiti ve tanıma problemi için önerilen birçok teknik ve konu üzerinde yapılan birçok çalışma bulunsa da, bu çalışmaların hiçbirinde SIFT (Scale Invariant Feature Transform) yöntemi, yönteme tanıma başarımını arttıracak yeni özellikler katılıp kullanılmamıştır. Bu tezin amacı, yerel özellik tekniği olması açısından SIFT yönteminin bu problemdeki davranışını incelemektir.SIFT, verilen bir resimde yerel değişmez özellikler bulur, bu özellikleri daha önceden oluşturulmuş bir veritabanında bulunan trafik işareti resimlerinin özelliklerine eşler ve en çok sayıda eşleşmenin olduğu trafik işaretini bularak trafik işaretlerini tanır.SIFT anlatıldığı şekilde kullanılarak tanıma başarımları elde edildikten sonra, SIFT yöntemine bulunan eşleşmelerin doğruluğunu kontrol ederek tanıma başarımını arttıracak yeni özellikler katılması amaçlanmıştır. Bunun için, eşleşmelerin doğruluğunu sınarken önerilen renk sınıflama yöntemi ile renk kontrolü ve SIFT özelliklerinin yönlerinin kontrolü yapılmıştır.Geliştirilen renk sınıflama yöntemi bazı sınıflara ayırma kuralları kullanarak piksellerin gerçek renklerini bulur. Bu yöntemin gerçek renklere karar vermekteki başarısının gerçekten iyi olduğu elde edilen sonuçlar tarafından gösterilmektedir. Ayrıca, yöntemin rengin eşleşmelerin doğrulunu sınarken kullanılmasında akla gelebilecek diğer yöntemlerden daha iyi başarım sağladığı da görülmüştür. Yön kontrolü ile de eşlenen özelliklerin aralarındaki yön farkının fazla olduğu eşleşmeler doğru kabul edilmeyerek yanlış eşleşmelerin çoğu elenmektedir.Sonuç olarak, renk ve yön kontrollerinin eklenmesinin zaten SIFT yönteminin iyi olan tanıma başarımını ciddi oranda arttırdığı gözlenmiştir. Çeşitli açılarda dönmüş, afin dönüşümlere uğramış, hasarlı, diğer nesneler tarafından bir kısmı örtülmüş, üzerine diğer nesnelerin gölgesi düşmüş, renk değişimine uğramış, değişik hava koşullarında ve değişik aydınlatma koşullarında resimlenmiş trafik işareti resimleri için bile elde edilen tanıma sonuçlarının gerçekten çok iyi ve tatmin edici olduğu görülmüştür.
Özet (Çeviri)
Although many techniques are proposed and many implementations exist in the literature for the traffic sign detection and recognition issue, none of them added new features to Scale Invariant Feature Transform (SIFT) while using it in this issue in order to increase the recognition performance. The purpose of this thesis is investigating behavior of SIFT in this subject from the aspect that it is a local feature technique.SIFT finds local invariant features in a given image and recognizes traffic signs by matching these features to the features of traffic sign images that exist in a database formed previously and finding out the traffic sign image that gives the maximum number of matches.After obtaining the recognition performance as described the use of SIFT, adding new features to SIFT, which will increase the recognition performance by checking the accuracy of matches which are found by SIFT, is aimed. Color inspection by using proposed color classification method and inspecting the orientations of SIFT features are performed while investigating the accuracy of the matches.Color classification method that is developed finds out true colors of the pixels by applying some classification rules. The results show that the performance of this method is very good at determining the colors and the method performs better than other solutions to this problem that can be thought. And also by the orientation inspection, most of the false matches are eliminated by discarding the matches between the features that have distant orientations.As a consequence, it is observed that adding color and orientation inspections raises the recognition performance seriously, even using only SIFT without these inspections gives good results. Obtained results are very good and satisfying even for the images containing traffic signs which are rotated, undergone affine transformations, damaged, occluded, overshadowed, had alteration in color, pictured in different weather conditions and pictured in different illumination conditions.
Benzer Tezler
- Dengesiz veri setlerinde trafik işaretlerini tanıma
Traffic sign recognition system for imbalanced dataset
YILDIZ AYDIN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. GÜLŞAH TÜMÜKLÜ ÖZYER
- Altuzay yöntemleri ile trafik işareti tanıma
Traffic sign recognition with subspace methods
MUSTAFA ÖZDAMAR
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. RİFAT EDİZKAN
- A robust traffic sign recognition system
Gürbüz trafik işareti tanıma sistemi
HÜSEYİN CANER BECER
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. MEHMET METE BULUT
PROF. DR. GÖZDE BOZDAĞI AKAR
- Türkiye karayollarındaki trafik işaretlerinin otomatik tanınması
Automatic recognition of traffic signs in Turkey
HAMDİ YALIN YALIÇ
Yüksek Lisans
Türkçe
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. AHMET BURAK CAN
- Uzman sistemler ve ulaştırma alanında kullanımları
Expert systems and using them in transportation
A.BURAK GÖKTEPE