Otomatik trafik işareti tanıma
Automatic traffic sign recognition
- Tez No: 256468
- Danışmanlar: YRD. DOÇ. DR. RIFAT EDİZKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Görüntü işleme uygulamaları teknolojideki gelişmelere paralel olarak giderek yaygınlaşmaktadır. Trafik işareti tanıma sistemleri de sürücüye görsel olarak yardım sağlamak amacıyla geliştirilen önemli uygulamalardan biridir. Şimdi opsiyonel olarak seçilen bu sistemler, ileride otomobillerin standart donanımı olarak kullanıcılarına sunulacaktır. Bu sistemlerin daha yaygın olarak kullanılabilmesi için çalışmalar devam etmektedir.Bu tez çalışmasında geliştirilen trafik işareti tanıma sisteminde; HSV renk uzayına dönüşüm, kırmızı renk bileşenlerini için eşikleme, resim iyileştirme, resim maskeleme, Hough Circle Transform ve şablon eşleme yöntemleri kullanılmıştır. Tanıma sistemi kırmızı kenar çerçeveli; üçgen trafik işaretleri, daire trafik işaretleri, dur işareti ve yol ver işareti kullanılarak test edilmiştir. Tez çalışmasında kullanılmak üzere bir veri tabanı oluşturulmuştur ve sistemin başarımını diğer sistemlerle karşılaştırabilmek için GRAM veritabanı da kullanılmıştır. Geliştirilen sistemin başarımı tanıma ve sınıflandırma olarak elde edilmiştir.
Özet (Çeviri)
Applications on image processing are growing with technology. Traffic sign recognition is one of the most important applications which is developed as a visual helper for drivers. Nowadays, these systems are optional but they are going to be standard equipment for automobiles in the future. Studies on these systems continue to make them more common.Traffic sign recognition system developed in this thesis comprise HSV color space transformation, thresholding for red components, image enhancing, image masking, Hough Circle Transform and template matching. The system was tested for triangular signs, circular signs, stop sign and yield sign which have red frames. A new test database was made for the thesis and GRAM database was also used for comparing system success. Success of the developed system is recorded as detection and classification.
Benzer Tezler
- Derin öğrenme algoritmaları ile trafik işaret ve levhalarının tanımlanması
Traffic sign recognition with deep learning algorithms
AHMET YAVUZ
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiPamukkale ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SERDAR İPLİKÇİ
- İmge içeriği tabanlı nesne sınıflandırma
Image content based object classification
YEŞİM KALKAN
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZİYA TELATAR
- Traffic sign recognition for unmanned vehicle control
İnsansız araç kontrolu için trafik işareti tanıma
MEHMET BÜLENT HAVUR
Yüksek Lisans
İngilizce
2006
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. GÖZDE BOZDAĞI AKAR
DOÇ.DR. MEHMET METE BULUT
- 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
- Derin evrişimsel sinir ağlarını kullanılarak araç, insan ve trafik işaretlerinin tanınması
Recognition of vehicle, human and traffic signs using deep convolutional neural networks
GÜLYETER ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiSakarya Uygulamalı Bilimler ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER