Oceněná práce vyplynula z projektu Zpracování obrazové informace v dopravě, který vznikl v roce 1995 na Katedře aplikované matematiky dopravní fakulty ČVUT v Praze. V současné době se zaměřujeme na vývoj a implementaci algoritmů pro rozpoznávání dopravních značek v obrazech dopravních scén snímaných kamerou z jedoucího vozidla.
V podmínkách stále intenzivnějšího silničního provozu se ukazuje potřeba palubního systému pro podporu řidiče (Driver Support System), který by monitoroval činnost vozidla, jeho bezprostřední okolí a dopravní situaci a poskytoval řidiči potřebné informace a pomoc při předvídání a řešení nebezpečných situací. Vzhledem k zásadnímu významu zrakového vnímání pro člověka, budou zřejmě budoucí palubní systémy v hojné míře využívat metody počítačového vidění (computer vision). Jednou z částí sytému pro podporu řidiče tak bude i modul pro "porozumění" dopravní scény sejmuté pomocí kamery z jedoucího vozidla.
První práce týkající se rozpoznávání dopravních značek se objevily již roku 1987 v Japonsku. V následujících letech byla publikována řada článků na toto téma v USA, Kanadě, Itálii, Německu a Francii. Vznikly také výzkumné skupiny, podporované často velkými automobilkami (Daimler-Benz, Peugeot). V současné době je v oblasti rozpoznávání dopravních značek nejpokročilejší německý projekt TSR (Traffic Sign Recognition System) univerzity Koblenz-Landau, podporovaný koncernem Daimler-Chrysler. Systém využívá složitý algoritmus barevné segmentace pro vyhledávání regionů, jejichž barva a tvar odpovídají dopravním značkám. Nalezené regiony v obraze jsou následně klasifikovány neuronovou sítí. Autoři publikovali 98% spolehlivost algoritmu pro zákazové značky. Systém je implementován na multiprocesorovém systému (procesory PowerPC) a pracuje v reálném čase.
Systém, který vyvíjíme na dopravní fakultě ČVUT (Road Sign Recognition System - RS2), využívá k detekci dopravních značek informace o lokálních orientacích hran v obraze. Systém se skládá z detekční a klasifikační části. Detekční algoritmus vyhledává v obraze geometrické tvary, které mohou odpovídat dopravním značkám. Regiony, které algoritmus nalezne, jsou pak klasifikovány statistickým klasifikátorem do tříd odpovídajícím jednotlivým typům dopravních značek. Diplomová práce, oceněná Cenou firmy Siemens, popisuje právě vývoj a implementaci funkčního klasifikátoru.
Výhodou našeho systému je to, že není závislý na barevné informaci. Detekce značek využívá hran v obraze a proto je úspěšná i na snímcím pořízených za soumraku či v noci za umělého osvětlení - tedy v situacích, kdy sebevíce robustní metoda barevné segmentace selhává pro nedostatek informace o barvě. Na druhé straně je zřejmé, že pokud existuje kvalitní barevný záběr scény, můžeme docílit lepších výsledků.
Klasifikátor používá tzv. statistický přístup, který je založen na využití příznaků (číselných charakteristik, které jsou dostatečně podobné pro značky stejného typu a odlišné pro různé druhy značek). Ve fázi učení jsou klasifikátoru předkládány obrázky značek společně s informacemi o jejich typu. Čím více příkladů použijeme během učení, tím lepší předpoklady pro generalizaci bude výsledný klasifikátor mít. Rozsah a kvalita trénovací množiny je proto velmi důležitá. V současné době pracujeme s databází přibližně 2000 obrázků více než 40 typů značek.
Klasifikátor RS2 je vlastně rozhodovací strom, který využívá apriorní informace o skupinách dopravních značek k rozdělení celého problému na řadu menších, které jsou zvládnutelné lépe a rychleji jako samostatné bloky. Příkladem může být rozdělení kruhových značek na zákazové (červená-bílá a ev. černá barva), příkazové (modrá-bílá) a zákaz stání a zastavení (červená-modrá). Rozdělení nemusí probíhat podle barvy - stačí i šedotónový obraz značky. Takový design celého systému nám umožňuje postupné zpřesňování informace o typu zpracovávané dopravní značky. V praxi je značka detekována na velkou vzdálenost, kdy je informace o piktogramu ještě velmi nezřetelná. Systém tak pozná alespoň skupinu, do které značka patří. Jakmile jsou na značce více patrné detaily, přijdou ke slovu i další klasifikátory na spodních "patrech" rozhodnovacího stromu a systém podá konkrétnější výsledek.
Těžiště oceněné diplomové práce spočívá v použitém druhu klasifikátoru (neparametrický jádrový klasifikátor) a efektivním algoritmu jeho učení, který je výrazně rychlejší než učící algoritmy neuronových sítí.
V současnosti dosahujeme spolehlivosti klasifikace kolem 95% (závisí na kvalitě snímaných scén, vibracích při jízdě, množství dat trénovací množiny, použitých příznacích atd.). Rychlost klasifikace se pohybuje na PC v desítkách milisekund, časově náročnější je opět detekce značek (jednotky sekund). Implementací algoritmů do prostředí paralelního signálního procesoru (Texas Instruments TMS320C80) jsme docílili vyhodnocení celé scény do jedné sekundy. Pracujeme na přenosu systému na perspektivnější platformu C60, kde bychom měli dosáhnout rychlosti potřebné pro provoz v reálném čase.
Projekt systému pro rozpoznávání dopravních značek byl od roku 1995 náplní tří diplomových a dvou dizertačních prací. Systém RS2 jsme v září 1998 prezentovali na The Second European DSP Education and Research Conference v ESIEE u Paříže a na konferenci v Mnichově. Příspěvek o klasifikátoru dopravních značek byl přijat na Scandianvian Conference on Image Analysis (SCIA'99), která se koná v červnu v Grónském Kangerlussuaqu.
Více informací o systému RS2 i o problematice rozpoznávání dopravních značek nalezne
zájemce na adrese http://euler.fd.cvut.cz/projekty/rs2/.