O Recoñecemento de sinais de tráfico é un algoritmo de visión por computador, forma parte da familia de algoritmos da tecnoloxía ADAS. Nos vehículos modernos equipados con sensores pasivos como a cámara pódese executar o proceso de identificación dos sinais de tráfico visíbeis na vía pública, permitindo ao sistema de navegación alertar ao condutor en caso de accións indebidas ou perigosas (p. ex. superar o límite de velocidade permitido ou tomar unha vía en dirección contraria ou prohibida).[1]
Descrición
Pódense distinguir tres compoñentes principais comúns a todas as solucións do algoritmo:
detección.
clasificación.
integración temporal.
A detección procura atopar sinais identificativos de cor ou forma para xerar un conxunto de rexións probábeis onde se pode atopar o sinal de tráfico na imaxe dada. O resultado desta detección normalízase, adecuando as intensidades dos píxeles para posteriormente ser analizados nunha fase de clasificación, determinando se realmente entran na categoría de sinal de tráfico válido. Nun paso final, a integración temporal consiste en aumentar a confianza na decisión tomada pola fase de clasificación, considerando imaxes subsecuentes á dada; isto require dunha capacidade de seguimento da rexión de interese a medida que pasa o tempo e o vehículo continúa en movemento.
Os métodos de detección baseados na cor adoitan segmentar polos máis comúns nestes obxectos (vermello, azul e amarelo). Aquí existen diverxencias na programación, é posíbel a parametrización do algoritmo coa procura das cores requiridas ou pódese apostar por algoritmos de aprendizaxe automática. Por exemplo, Janssen et al.[2] emprega unha guía de segmentación de píxeles baseada nunha táboa LUT, que se obtén tralo adestramento dun polinomio de clasificación sobre un vasto conxunto de datos. Este conxunto de datos esixe dunha fase previa de traballo manual onde uns operarios rexistran onde se localiza o sinal de tráfico baixo moi diversas condicións lumínicas. Após a clasificación dos píxeles en diversas clases de cor, increméntase gradualmente a rexión e pásase a un proceso de filtrado, no cal son seleccionadas rexións candidatas en base á cor, formas xeométricas xerais e locais, e relacións topolóxicas (p. ex. veciñanza).
Os métodos centrados na localización de formas non require de cor. Blancard [3] defende unha segmentación dos eixos do sinal e unir estes resultados á representación da contorna, de onde se extrae información do perímetro ou da curvatura.
Comparar os métodos de busca de cor e forma prové dun mecanismo directo de detección, porén existe un debate académico sobre o límite da precisión dos sistemas só baseados na cor. Na práctica, certos valores de cor medidos co mesmo sensor poden variar significativamente. Isto pode levar a interferencias e erros de medida, comunmente entre o valores "reais" de azul e vermello. Adicionalmente problemas como o traballo con sinais totalmente brancas pode conducir a erros en xuízo de identificación. A isto súmase o feito de non poder controlar o proceso de extensión da rexión até dar co sinal completo.
A detección baseada na forma considérase máis estábel, en especial co respecto ás variacións lumínicas. A isto súmase a desvantaxe de requirir unha demanda computacional moito máis alta que os seus homólogos baseados só na cor.[4]
Conxunto de datos de traballo
Dado que o problema de resolución do algoritmo é tratado extensivamente na literatura científica existen diversos datasets -conxuntos de datos- dispoñíbeis na rede para a súa análise. Entre outros, o Conxunto de Sinais de Tráfico Belga[5]. O dataset consta de 62 cartafoles, ordenados en secuencia do 00000 ao 00061. Os sinais de tráfico xa veñen editados coa imaxe de fondo recortada.
Vehículos que inclúen no seu equipamento de serie o algoritmo
