-
Querverweis auf verwandte Anmeldungen
-
Die vorliegende Anmeldung beansprucht gemäß 35 U.S.C § 119 die Priorität der
Koreanischen Patentanmeldung Nr. 10-2014-0001006 , angemeldet am 6. April 2014, deren Offenbarung durch Bezugnahme in vollem Umfang Teil der vorliegenden Anmeldung ist.
-
Technisches Gebiet
-
Die vorliegende Erfindung betrifft ein Verfahren und eine Vorrichtung zum Erkennen eines Verkehrszeichens und insbesondere ein Verfahren und eine Vorrichtung zum Erfassen und Erkennen eines Verkehrszeichens unter Verwendung eines modifizierten Census-Transformationsmerkmals (MCT).
-
Hintergrund
-
Da Fahrzeuge im Allgemeinen verwendet werden, um sich auf einer Straße fort zu bewegen, sind Verkehrszeichen an der Straße vorgesehen, welche einem Fahrer Informationen vermitteln, die zum sicheren und reibungslosen Führen eines Automobils erforderlich sind.
-
Im Allgemeinen kann, je nach Art des Verkehrszeichens, ein Verkehrsinformationszeichen, ein Straßenschild, eine Wetterzustandsanzeigetafel, eine Luftverschmutzungsanzeigetafel, eine Unfallanzeigetafel, eine Verwaltungsinformationsanzeigetafel und eine Werbetafel vorgesehen sein.
-
In letzter Zeit ist es erforderlich geworden, der steigenden Anzahl von Fahrern mit schlechtem Sehvermögen und der zunehmenden Zahl älterer Fahrer Rechnung zu tragen, woraus sich die zunehmende Notwendigkeit ergibt, ein sicheres Fahrassistenzsystem zu entwickeln, das Informationen über ein Verkehrszeichen sicher übermittelt.
-
Für die Entwicklung eines intelligenten unbemannten Fahrzeugs ist die Entwicklung eines auf Sicht basierenden Verkehrszeichenerkennungssystems ebenfalls erforderlich, und daher steht das Interesse an einem Verkehrszeichenerfassungs- und erkennungsmodell zur Zeit im Fokus.
-
Bei dem Verkehrszeichenerfassungsmodell nach dem Stand der Technik ist jedoch die Verkehrszeichenerfassungsleistung aufgrund von Klima- und Beleuchtungsänderungen, der Verzerrung eines Bildes durch Bewegung eines Fahrzeugs, in dem eine Kamera eingebaut ist, eine plötzliche Farbkontraständerung und eine Formveränderung, wenn das Verkehrszeichen verdeckt oder geneigt ist, schlecht.
-
Das bekannte Verfahren zur Erfassung eines Verkehrszeichens verarbeitet im Einzelnen ein Bild, das durch einen Vorverarbeitungsvorgang ein Mal eingegeben wird, und verwendet anschließend auf Farben und Formen basierende Merkmalsinformationen. Hierbei erfordert der Vorverarbeitungsvorgang eine zusätzliche Operation, welche die Erfassungs- und Erkennungsgeschwindigkeit verlangsamt, und die Erfassungsleistung einer auf Farbe beruhenden Erfassungstechnologie wird verringert, wenn sich die Beleuchtung verändert und eine Farbe verblasst ist. Wenn der Operationsaufwand einer auf Formen beruhenden Erfassungstechnologie hoch ist, ist darüber hinaus eine Echtzeiterfassung schwierig, und wenn der Operationsaufwand gering ist, ist die Erfassungsgenauigkeit verringert.
-
Überblick
-
Die vorliegende Erfindung wurde entwickelt, um eine Technologie zu schaffen, die ein modifiziertes Census-Transformationsmerkmal (MCT) als Merkmalsvektor für die Erfassung und die Erkennung eines Verkehrszeichens verwendet, so dass kein Vorverarbeitungsvorgang erforderlich ist, wodurch die Erfassungs- und Erkennungsgeschwindigkeit verbessert wird.
-
Die vorliegende Erfindung wurde entwickelt, um ferner ein Verfahren und eine Vorrichtung zum Erkennen eines Verkehrszeichens mit einer verbesserten Erkennungsleistung zu schaffen, welche ein MCT-Merkmalshistogramm aus verschiedenen Bildbereichen für jedes Level erzeugen, um das Verkehrszeichen zu klassifizieren.
-
Die Aufgabe der vorliegenden Erfindung ist nicht auf die vorgenannten Gegenstände beschränkt, und für den Fachmann auf diesem Gebiet sind nicht ausdrücklich erwähnte andere Aufgaben aus der nachfolgenden Beschreibung deutlich ersichtlich.
-
Ein Aspekt der vorliegenden Erfindung schafft ein Verkehrszeichenerkennungsverfahren mit den folgenden Schritten: Erfassen eines Verkehrszeichen-Kandidatenbereichs in einem Eingangsbild unter Verwendung eines modifizierten Census-Transformationsmerkmals (MCT); Prüfen, ob der Kandidatenbereich einem Verkehrszeichen entspricht, unter Verwendung des MCT-Merkmalshistogramms für den Kandidatenbereich; und schrittweises Klassifizieren eines interessierenden Bereichs als das entsprechende Verkehrszeichen unter Verwendung des MCT-Merkmalshistogramms für den geprüften Kandidatenbereich (im Folgenden als interessierender Bereich bezeichnet).
-
Nach einem Ausführungsbeispiel der vorliegenden Erfindung kann das Erfassen eines Kandidatenbereichs die folgenden Schritte aufweisen: Extrahieren des MCT-Merkmals für jedes Pixel des Eingangsbildes unter Verwendung des Pixelwerts des Eingangsbildes, und Klassifizieren des Kandidatenbereichs des Eingangsbildes unter Verwendung eines Klassifikators, bei welchem ein MCT-Merkmal für das Verkehrszeichen unter Verwendung eines AdaBoost-Algorithmus und/oder eines Kaskadenalgorithmus erlernt wurde.
-
Nach einem Ausführungsbeispiel der vorliegenden Erfindung kann das Prüfen die folgenden Schritte aufweisen: Erzeugen eines MCT-Merkmalshistogramms für einen MCT-Merkmalswert und einer Häufigkeit des Merkmals unter Verwendung des MCT-Merkmals für jedes Pixel des Kandidatenbereichs; und Prüfen des MCT-Merkmalshistogramms des Eingangsbildes unter Verwendung eines Klassifikators, bei welchem das MCT-Merkmalshistogramm für das Verkehrszeichen erlernt wurde.
-
Nach einem Ausführungsbeispiel der vorliegenden Erfindung kann das Erkennen eines Verkehrszeichens das Abgleichen des interessierenden Bereichs unter Verwendung einer Radialsymmetrie-Erfassung (RSD) sein.
-
Nach einem Ausführungsbeispiel der vorliegenden Erfindung kann das Erkennen eines Verkehrszeichens das Klassifizieren des interessierenden Bereichs als das Verkehrszeichen aufweisen, wobei ein zu klassifizierendes Verkehrszeichen für jedes Level und ein Multilevel-Klassifizierungsbaum verwendet wird, welcher einen Bereich des interessierenden Bereichs definiert, in welchem ein MCT-Merkmalshistogramm erzeugt wird.
-
Nach einem Ausführungsbeispiel der vorliegenden Erfindung kann das Erkennen eines Verkehrszeichens das Erzeugen eines ersten MCT-Merkmalshistogramms in einem ersten Bereich des interessierenden Bereichs auf einem N-ten Level und eines zweiten MCT-Merkmalshistogramms in einem zweiten Bereich des interessierenden Bereichs auf einem N + 1-ten Level aufweisen.
-
Nach einem Ausführungsbeispiel der vorliegenden Erfindung kann das Erkennen eines Verkehrszeichens einen ersten Schritt des Klassifizierens des interessierenden Bereichs als Geschwindigkeitsbegrenzungszeichen oder ein anderes Zeichen, und einen zweiten Schritt des Klassifizierens des Geschwindigkeitsbegrenzungszeichens als ein entsprechendes Geschwindigkeitsbegrenzungszeichen, oder des jeweiligen anderen Zeichens als ein entsprechendes anderes Zeichen, oder als nicht erkanntes Zielzeichen aufweisen.
-
Ein anderer Aspekt der vorliegenden Erfindung schafft eine Verkehrszeichenerkennungsvorrichtung mit: einen oder mehr Prozessoren und einen nichtflüchtigen Speicher, in welchem ein von dem Prozessor ausgeführter Code gespeichert ist, wobei der Prozessor konfiguriert ist, um einen Verkehrszeichen-Kandidatenbereich in einem Eingangsbild unter Verwendung eines modifizierten Census-Transformationsmerkmals (MCT) zu erfassen; unter Verwendung des MCT-Merkmalshistogramms für ein Verkehrszeichen zu prüfen, ob der Kandidatenbereich einem Verkehrszeichen entspricht; und einen interessierenden Bereich unter Verwendung des MCT-Merkmalshistogramms für den (im Folgenden als interessierenden Bereich bezeichneten) geprüften Kandidatenbereich schrittweise als das entsprechende Verkehrszeichen zu klassifizieren.
-
Des Weiteren kann ein Programm, welches das Verkehrszeichenerkennungsverfahren nach dem zuvor beschriebenen Aspekt der vorliegenden Erfindung implementiert, auf einem computerlesbaren Medium gespeichert sein.
-
Erfindungsgemäß wird das modifizierte Census-Transformationsmerkmal (MCT) als ein Merkmalsvektor für das Erfassen und das Erkennen eines Verkehrszeichens verwendet, so dass kein Vorverarbeitungsvorgang erforderlich ist, wodurch die Erfassungs- und Erkennungsgeschwindigkeit erhöht werden kann.
-
Das MCT-Merkmalshistogramm wird aus verschiedenen Bildbereichen für jedes Level erzeugt, um das Verkehrszeichen zu klassifizieren, wodurch die Erkennungsleistung verbessert werden kann.
-
Kurzbeschreibung der Zeichnungen
-
1 ist eine Darstellung eines Verkehrszeichenerkennungsverfahrens nach einem Ausführungsbeispiel der vorliegenden Erfindung.
-
2 ist eine Darstellung zur Erläuterung eines MCT-Verfahrens in einem Ausführungsbeispiel der vorliegenden Erfindung.
-
3 ist eine Darstellung zur Erläuterung eines AdaBoost-Klassifizierungsverfahrens in einem Ausführungsbeispiel der vorliegenden Erfindung.
-
4 ist eine Darstellung zur Erläuterung eines Kaskaden-Klassifizierungsverfahrens in einem Ausführungsbeispiel der vorliegenden Erfindung.
-
5 ist eine Darstellung zur Erläuterung eines Beispiels, bei welchem in einem Ausführungsbeispiel der vorliegenden Erfindung ein MCT-Merkmalshistogramm erzeugt wird.
-
6 ist eine Darstellung zur Erläuterung eines SVM-Klassifizierungsverfahrens in einem Ausführungsbeispiel der vorliegenden Erfindung.
-
7 ist eine Darstellung zur Erläuterung des RSD-Abgleichs eines runden Verkehrszeichens in einem Ausführungsbeispiel gemäß der vorliegenden Erfindung.
-
8 ist eine Darstellung zur Erläuterung eines Beispiels, bei welchem ein in einem ersten Verkehrszeichenerkennungsschritt eines Ausführungsbeispiels der vorliegenden Erfindung verwendetes MCT-Merkmalshistogramm erzeugt wird.
-
9 ist eine Darstellung zur Erläuterung eines Beispiels eines Multilevel-Klassifikationsbaums, welcher in einem Verkehrszeichenerkennungsschritt eines Ausführungsbeispiels der vorliegenden Erfindung verwendet wird.
-
10 ist eine Darstellung einer Konfiguration einer Computervorrichtung, in welcher ein Verkehrszeichenerkennungsverfahren nach einem Ausführungsbeispiel der vorliegenden Erfindung ausgeführt wird.
-
Detaillierte Beschreibung von Ausführungsbeispielen
-
Vorteile und Merkmale der vorliegenden Erfindung und ein Verfahren zum Erreichen der Vorteile und Merkmale ergeben sich aus der Bezugnahme auf die im Folgenden näher beschriebenen exemplarische Ausführungsbeispiele in Zusammenhang mit den zugehörigen Zeichnungen. Die vorliegende Erfindung ist jedoch nicht auf vorliegend offenbarte Ausführungsbeispiele beschränkt, sondern ist in verschiedenen Formen implementierbar. Die Ausführungsbeispiele dienen lediglich der Verdeutlichung und der Vollständigkeit der offenbarten Inhalte und der ausreichenden Vermittlung der Idee der vorliegenden Erfindung an einen Fachmann auf diesem Gebiet. Die vorliegende Erfindung ist daher durch den Wortlaut der Ansprüche definiert. Die im Rahmen der vorliegenden Erfindung verwendete Terminologie dient der Erläuterung exemplarischer Ausführungsbeispiele, nicht jedoch der Einschränkung der vorliegenden Erfindung. Sofern in der vorliegenden Beschreibung nicht ausdrücklich anders erwähnt, schließt die Singularform die Pluralform mit ein. Das in der vorliegenden Beschreibung verwendete Wort "aufweisen" soll den Einschluss genannter Bestandteile, Schritte, Operationen und/oder Elemente, jedoch nicht den Ausschluss jedweder anderer Bestandteile, Schritte, Operationen und/oder Elemente implizieren.
-
Im Folgenden werden exemplarische Ausführungsbeispiele der vorliegenden Erfindung unter Bezugnahme auf die zugehörigen Zeichnungen näher beschrieben. In den Zeichnungen sind, wenn möglich, gleiche Komponenten mit gleichen Bezugszeichen versehen, auch wenn die Komponenten in verschiedenen Zeichnungen dargestellt sind, und wenn durch eine spezifische Beschreibung bekannter Konfigurationen oder Funktionen in Zusammenhang mit der Beschreibung der vorliegenden Erfindung die wesentlichen Merkmale der vorliegenden Erfindung unnötigerweise unklar werden könnten, entfällt die detaillierte Beschreibung.
-
Das Verkehrszeichenerkennungsverfahren nach einem Ausführungsbeispiel der vorliegenden Erfindung weist das Erfassen von Verkehrszeichen-Kandidatenbereichen in einem Eingangsbild; das Prüfen, ob die Kandidatenbereiche Verkehrszeichen entsprechen; und das Klassifizieren und Erkennen des (im Folgenden als interessierender Bereich bezeichneten) geprüften Kandidatenbereichs als das entsprechende Verkehrszeichen.
-
Bei dem zuvor beschriebenen Verkehrszeichenerkennungsverfahren wird verbreitet ein als modifizierte Census-Transformation (MCT) bezeichnetes lokales binäres Muster als Merkmalsinformation verwendet. Sowohl in dem Erfassungsprozess als auch in dem Prüfprozess und dem Erkennungsprozess wird das MCT-Merkmal allgemein verwendet, so dass das Eingangsbild nur ein Mal konvertiert werden muss.
-
Wie zuvor beschrieben, verwendet das Verkehrszeichenerkennungsverfahren nach einem Ausführungsbeispiel der vorliegenden Erfindung das MCT-Merkmal allgemein in dem gesamten Prozess, ohne einen separaten Vorverarbeitungsprozess durchzuführen, so dass der Operationsaufwand verringert ist. Im Folgenden werden die zuvor beschriebenen Schritte der Verkehrszeichenerfassung, des Prüfens und des Erkennens unter Bezugnahme auf 1 näher beschrieben.
-
1 ist eine Darstellung eines Verkehrszeichenerkennungsverfahrens nach einem Ausführungsbeispiel der vorliegenden Erfindung.
-
Im Schritt S10 führt eine Verkehrszeichenerkennungsvorrichtung eine MCT an einem Eingangsbild durch, das durch das Aufnehmen eines Verkehrszeichens erhalten wird. Die MCT dient dem Extrahieren eines Merkmalsdeskriptors, welcher zur Erfassung eines Objekts verwendet wird, und als Ergebnis der MCT kann der (im Folgenden als MCT-Merkmal bezeichnete) Merkmalsdeskriptor mit der Einheit Pixel aus dem Eingangsbild berechnet werden.
-
2 zeigt einen Prozess der Durchführung der MCT an dem Eingangsbild. Wie in 2 dargestellt wird zur Durchführung der MCT ein Kernel-Fenster mit einer vorbestimmten Größe (beispielsweise 3 × 3) in Bezug auf ein zu transformierendes Pixel festgelegt. In diesem Fall wird angenommen, dass das zu transformierende Pixel und in dem Kernel-Fenster enthaltene Pixel entsprechende Pixelwerte aufweisen. Anschließend wird ein Durchschnitt der in dem Kernel-Fenster enthaltenen Pixel mit einzelnen Pixelwerten verglichen, und ein neunstelliges Bit wird derart berechnet, dass, wenn der Pixelwert des entsprechenden Pixels größer als der Durchschnitt ist, der Wert 1 zugeordnet wird, und wenn der Pixelwert des entsprechenden Pixels geringer als der Durchschnitt ist, der Wert 0 zugeordnet wird.
-
Bei diesem Ausführungsbeispiel der vorliegenden Erfindung werden binär kodierte Ergebniswerte für verbleibende Pixel, die von dem Pixelwert des zu transformierenden Pixels verschieden sind, verwendet, um insgesamt achtstellige Bits zu berechnen, und als Ergebnis kann ein dezimaler Merkmalsvektor (oder ein Merkmalsdeskriptor) mit einer Gesamtheit von 256 Dimensionen von 0 bis 255 berechnet werden. In diesem Fall wird das MCT-Merkmal vorzugsweise für sämtliche Pixel des Eingangsbilds berechnet.
-
Im Schritt S20 verwendet die Verkehrszeichenerkennungsvorrichtung das aus dem Eingangsbild extrahierte MCT-Merkmal und einen Klassifikator, der auf das MCT-Merkmal für das Verkehrszeichen trainiert wurde, um einen Verkehrszeichen-Kandidatenbereich in dem Eingangsbild zu erfassen.
-
Nach einem spezifischen Ausführungsbeispiel der vorliegenden Erfindung verwendet die Verkehrszeichenerkennungsvorrichtung zu diesem Zweck das MCT-Merkmal, um ein Eingangsbild zu durchsuchen. In diesem Fall verwendet die Verkehrszeichenerkennungsvorrichtung einen für das MCT-Merkmal des Verkehrszeichens trainierten Klassifikator.
-
Zur Erfassung eines Objekts, das Merkmalsdeskriptoren aufweist, können Objekterfassungsverfahren, welche ein Bild-Clustering-Verfahren nutzen, und Maschinenlernverfahren verwendet werden. In diesem Fall können eine Ortsfrequenzcharakteristik, die Gleichmäßigkeit, die Kontinuität, Farbinformationen und Tiefeninformationen in dem Bildsignal verwendet werden. Nach einem Ausführungsbeispiel der vorliegenden Erfindung wird zur Erfassung des Verkehrszeichens ein Klassifikator verwendet, der mittels eines maschinellen Lernverfahrens auf das MCT-Merkmal des Verkehrszeichens trainiert wurde.
-
Als das Maschinenlernverfahren, mittels welchem das MCT-Merkmal erlernt wird, können ein AdaBoost-Lernverfahren und ein Kaskade-Lernverfahren verwendet werden. Bei dem Ausführungsbeispiel gemäß der vorliegenden Erfindung wird entweder nur eines der beiden zuvor beschriebenen Lernverfahren verwendet, oder es werden beide Lernverfahren verwendet, um die Lernleistung zu verbessern. Im Folgenden werden die vorgenannten Lernverfahren unter Bezugnahme auf die 3 und 4 beschrieben.
-
AdaBoost
-
Das AdaBoost-Verfahren ist ein Verfahren, das einen effektiven Klassifikator erzeugt, wenn zahlreiche Merkmale vorhanden sind. Beträgt die Größe des Verkehrszeichens in dem Eingangsbild 40×40, liegt ein MCT-Merkmal für jedes Pixel, ausschließlich 1 Pixel am Rand, vor, d.h. insgesamt 1444 (38 × 38) MCT-Merkmale. Nach dem AdaBoost-Verfahren wird eine Gewichtung je nach der Wichtigkeit des Pixels unterschiedlich zugeordnet, und wenn ein Teilbild eingegeben wird, werden eine Referenz des Pixels und die Gewichtung verwendet, um eine Klassifizierung dahingehend vornehmen zu können, ob es sich bei dem Teilbild um ein Verkehrszeichen handelt. Wenn, wie in 3 dargestellt, jedes Pixel als ein schwacher Klassifikator definiert wird, werden mehrere schwache Klassifikatoren mit einer vorbestimmten Gewichtung kombiniert, um einen genauen starken Klassifikator zu erzeugen.
-
Kaskade
-
Das Kaskade-Verfahren ist ein Verfahren, das die Erfassungsgeschwindigkeit verbessert. Wenn die MCT-Merkmale (1444 Merkmale bei einer Größe von 40×40) für jedes Pixel des Eingangsbilds mit dem erlernten MCT-Merkmal verglichen werden, um das Verkehrszeichen in dem Bild zu erfassen, entsteht ein hoher Operationsaufwand. Zur Lösung des genannten Problems wird eine Multilevel-Klassifizierung mit einer geringen Anzahl von MCT-Merkmalen durchgeführt, die eine ausgezeichnete Unterscheidungsfähigkeit hinsichtlich des Hintergrunds und des Verkehrszeichens haben. Beispielsweise erfolgt die Erfassung unter Verwendung von 20 MCT-Merkmalen auf einem ersten Level, 40 MCT-Merkmalen auf einem zweiten Level, 60 MCT-Merkmalen auf einem dritten Level und 80 MCT-Merkmalen auf einem vierten Level, wodurch der Operationsaufwand erheblich verringert werden kann. 4 zeigt einen Klassifizierungsprozess in vier Leveln und MCT-Merkmale, die für jedes Level als Hauptmerkmal gewählt wurden.
-
Im Schritt S30 erzeugt die Verkehrszeichenerkennungsvorrichtung ein MCT-Merkmalshistogramm für jeden erfassten Kandidatenbereich. Hierbei handelt es sich um einen Schritt des Extrahierens eines neuen Merkmalsdeskriptors, um zu prüfen, ob der erfasste Verkehrszeichen-Kandidatenbereich einem tatsächlichen Verkehrszeichen entspricht.
-
Das MCT-Merkmalshistogramm bedeutet die Häufigkeitsverteilung von Werten der MCT-Merkmale, welche aus sämtlichen Pixeln extrahieret wurden, die zu dem Kandidatenbereich gehören, und ist ein zweidimensionaler Merkmalsdeskriptor, der eine MCT-Merkmalsvektordimension und eine Häufigkeitsdimension des MCT-Merkmalswerts beinhaltet.
-
Wenn beispielsweise angenommen wird, dass das MCT-Merkmal einen achtstelligen binären Wert hat, werden zur Erstellung eines Histogramms insgesamt 256 Bins erzeugt. Das heißt, dass das Ergebnis der Analyse, wie oft 0 bis 255 Werte, die das MCT-Merkmal darstellen können, in dem Eingangsbild auftreten, für die Prüfung verwendet wird. Wenn in einem Pixel der MCT-Merkmalswert 00000001 (binäre Zahl), das heißt 1 (Dezimalzahl), ist, wird 1 einem ersten Bin hinzugefügt. Wenn in einem nächsten Pixel der MCT-Merkmalswert 00000111 (binäre Zahl), das heißt 7 (Dezimalzahl), ist, wird eins einem siebten Bin hinzugefügt. Das wie beschrieben erzeugte Histogramm wird ein Merkmalsvektor mit insgesamt 256 Dimensionen. Bei dem erfindungsgemäßen Ausführungsbeispiel wird vorzugsweise ein MCT-Merkmalshistogramm mit 255 Dimensionen verwendet, wobei das bedeutungslose nullte Bin ausgeschlossen ist. 5 zeigt ein Beispiel des MCT-Merkmalshistogramms.
-
Im Schritt S40 verwendet die Verkehrszeichenerkennungsvorrichtung einen Klassifikator, bei welchem das MCT-Merkmalshistogramm für ein Verkehrszeichen mittels des aus dem Kandidatenbereich extrahierten MCT-Merkmalshistogramms trainiert wurde, als Merkmalsvektor, wodurch ein Kandidatenbereich geprüft wird.
-
Beispielsweise kann der Klassifikator das MCT-Merkmalshistogramm für ein Verkehrszeichen unter Verwendung eines Support-Vector-Machine-Lernverfahrens (SVM) trainieren. 6 zeigt ein Beispiel für eine Operation des SVM-Klassifikators.
-
Bei dem SVM-Lernverfahren handelt es sich um ein Verfahren, bei welchem Daten durch zwei Klassen konfiguriert sind und ein die beiden Klassen in größtmöglicher Weise unterscheidender Klassifikator gefunden wird. Durch die während des Prüfvorgangs verwendete SVM wird unter Bezugnahme auf einen Klassifikator klassifizierend festgestellt, ob ein Verkehrszeichen vorliegt, wenn experimentelle Daten (beispielsweise ein aus dem Kandidatenbereich extrahiertes MCT-Merkmalshistogramm) nach der unter Verwendung eines MCT-Merkmalshistogramms erfolgten Erstellung eines Klassifikators eingegeben wurden.
-
Im Schritt S50 führt die Verkehrszeichenerkennungsvorrichtung einen Abgleichvorgang zur Verbesserung der Erkennungsgenauigkeit in einem geprüften Kandidatenbereich (im Folgenden als interessierender Bereich bezeichnet) durch. Bei dem Abgleichvorgang kann beispielsweise ein Radialsymmetrie-Erfassungsverfahren (RSD) verwendet werden, um die Größe und die Position eines runden Verkehrszeichens genau anzupassen.
-
Das RSD-Verfahren schätzt einen Mittelpunkt eines Kreises unter der Annahme, dass Pixel des interessierenden Bereichs Bestandteile des Kreises sind.
-
Der Mittelpunkt des Kreises wird wie folgt geschätzt: ein Voting wird in einer Gradientenrichtung unter Verwendung einer Abweichung zwischen der x-Achse und der y-Achse jedes Pixels durchgeführt, und ein Punkt mit dem höchsten Voting-Wert wird als Mittelpunkt des Kreises bestimmt. Der interessierende Bereich wird mit einem rechteckigen interessierenden Bereich abgeglichen, der einen Radius aufweist, der erhalten wird, wenn der Mittelpunkt als Mittelpunkt des interessierenden Bereichs angesehen wird, und der Hälfte einer Seitenlänge desselben entspricht. 7 zeigt ein Beispiel für das Abgleichen eines runden Verkehrszeichens unter Verwendung von RSD.
-
Im Schritt S60 verwendet die Verkehrszeichenerkennungsvorrichtung den trainierten Klassifikator, um den interessierenden Bereich schrittweise als ein entsprechendes Verkehrszeichen zu klassifizieren. In diesem Fall dient das MCT-Merkmalshistogramm als Merkmalsdeskriptor für die Klassifizierung, und es wird ein SVM-Klassifikator verwendet, der durch das MCT-Merkmalshistogramm des Verkehrszeichens unter Verwendung des SVM-Lernverfahrens trainiert ist.
-
Genauer gesagt klassifiziert die Verkehrszeichenerkennungsvorrichtung den interessierenden Bereich schrittweise als das Verkehrszeichen, und in diesem Fall kann die Verkehrszeichenerkennungsvorrichtung ein MCT-Merkmalshistogramm in verschiedenen Bereichen des interessierenden Bereichs für jedes Level erzeugen. Ferner kann ein SVM-Klassifikator verwendet werden, welcher mit verschiedenen MCT-Merkmalshistogrammen für jedes Level trainiert wurde.
-
Beispielsweise kann die Verkehrszeichenerkennungsvorrichtung ein erstes MCT-Merkmalshistogramm in einem ersten Bereich des interessierenden Bereichs auf einem N-ten Level und ein zweites MTC-Merkmalshistogramm in einem zweiten Bereich des interessierenden Bereichs auf einem N + 1-ten Level erzeugen. Wie zuvor beschrieben, können die MCT-Merkmalshistogramme, die für jedes Level unterschiedlich erzeugt werden, die beste Klassifizierungsleistung in jedem Level aufweisen.
-
Die Verkehrszeichenerkennungsvorrichtung kann ferner den interessierenden Bereich als das Verkehrszeichen klassifizieren, indem sie einen Multilevel-Klassifizierungsbaum verwendet. In dem Multilevel-Klassifizierungsbaum sind ein Verkehrszeichen, welche ein Klassifizierungsziel für jedes Level bildet, und ein Bereich des interessierenden Bereichs definiert, in welchem das MCT-Merkmalshistogramm erzeugt wird. 8 zeigt ein Beispiel für ein MCT-Merkmalshistogramm, das in dem Bereich erzeugt wird, der in einem bestimmten Level zum Klassifizieren des Verkehrszeichens definiert ist, und 9 zeigt ein Beispiel für den Multilevel-Klassifizierungsbaum.
-
Wie in 9 dargestellt, klassifiziert die Verkehrszeichenerkennungsvorrichtung in den Schritten S71 und S73 den interessierenden Bereich primär als ein Geschwindigkeitsbegrenzungszeichen oder als ein anderes Zeichen. In diesem Fall werden die MCT-Merkmalshistogramme in einer linken Hälfte und einer rechten Hälfte des interessierenden Bereichs erzeugt, und die Verkehrszeichenerkennungsvorrichtung klassifiziert ein Zeichen als ein Geschwindigkeitsbegrenzungszeichen oder ein jeweiliges anderes Zeichen unter Verwendung zweier MCT-Merkmalshistogramme (insgesamt 510 Dimensionen).
-
Anschließend klassifiziert die Verkehrszeichenerkennungsvorrichtung in Schritt S81 ein Geschwindigkeitsbegrenzungszeichen als das entsprechende Geschwindigkeitsbegrenzungszeichen oder klassifiziert in Schritt S83 jeweilige andere Zeichen als andere Zeichen und, in Schritt S84, als ein nicht erkanntes Zielzeichen. In diesem Fall, kann das im Bereich der linken Hälfte des interessierenden Bereichs erzeugte MCT-Merkmalshistogramm verwendet werden.
-
Das Verkehrszeichenerkennungsverfahren nach dem vorliegenden erfindungsgemäßen Ausführungsbeispiel kann ferner in einem Computersystem implementiert oder auf einem Aufzeichnungsmedium aufgezeichnet sein. Wie in 9 dargestellt, kann das Computersystem einen oder mehrere Prozessoren 121, einen Datenspeicher 123, eine Benutzereingabevorrichtung 126, einen Datenkommunikationsbus 122, eine Benutzerausgabevorrichtung 127 und einen Speicher 128 aufweisen. Die vorgenannten Komponenten können Datenkommunikation über den Datenkommunikationsbus 122 durchführen.
-
Das Computersystem kann ferner ein Netzwerkinterface 129 aufweisen, das mit einem Netzwerk verbunden ist. Der Prozessor 121 kann eine Zentralverarbeitungseinheit (CPU) oder eine Halbleitervorrichtung sein, welche einen in dem Datenspeicher 123 und/oder in dem Speicher 128 gespeicherten Befehl verarbeitet.
-
Der Datenspeicher 123 und der Speicher 128 können verschiedene Arten von flüchtigen oder nicht flüchtigen Speichermedien aufweisen. Beispielsweise kann der Datenspeicher 123 einen ROM 124 und einen RAM 125 aufweisen.
-
Daher kann das Verkehrszeichenerkennungsverfahren nach dem erfindungsgemäßen Ausführungsbeispiel als ein Verfahren implementiert sein, das in einem Computer ausführbar ist. Wenn das Verkehrszeichenerkennungsverfahren nach dem erfindungsgemäßen Ausführungsbeispiel in der Computervorrichtung durchgeführt wird, kann das erfindungsgemäße Erkennungsverfahren durch computerlesbare Befehle ausgeführt werden.
-
Das erfindungsgemäße Verkehrszeichenerkennungsverfahren kann ferner als ein computerlesbarer Code in einem computerlesbaren Medium implementiert sein. Das Aufzeichnungsmedium, das von einem Computer gelesen werden kann, umfasst sämtliche Arten von Aufzeichnungsmedien, auf welchen Daten gespeichert sind, die von einem Computersystem gelesen werden können. Das Computermedium kann beispielsweise einen Festwertspeicher (ROM), einen Direktzugriffsspeicher (RAM), ein Magnetband, eine Magnetdisk, einen Flash-Speicher oder eine optische Datenspeichervorrichtung sein. Ferner kann das computerlesbare Medium kann an Computersysteme, die durch ein Computerkommunikationsnetzwerk miteinander verbunden sind, verteilt werden, um als mittels eines Verteilungsverfahrens lesbarer Code gespeichert und ausgeführt zu werden.
-
Die Konfiguration der vorliegenden Erfindung wurde im Detail unter Bezugnahme auf ein exemplarisches Ausführungsbeispiel der vorliegenden Erfindung beschrieben, jedoch ist für den Fachmann auf diesem Gebiet ersichtlich, dass die vorliegende Offenbarung in einer anderen spezifischen Form implementiert werden kann, ohne den technischen Gehalt oder ein wesentliches Merkmal der vorliegenden Erfindung zu verändern. Es sei somit darauf hingewiesen, dass die vorstehend beschriebenen Ausführungsbeispiele in jeder Hinsicht als illustrativ und nicht als einschränkend zu verstehen sind. Der Rahmen der vorliegenden Erfindung ist vielmehr durch die nachfolgenden Ansprüche definiert, weniger durch die detaillierte Beschreibung, und der Rahmen der Ansprüche und sämtliche aus deren Äquivalenten abgeleiteten Änderungen und Modifizierungen fallen in den Rahmen der vorliegenden Erfindung.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- KR 10-2014-0001006 [0001]