آشکارسازی علامت ترافیکی

در مرحله آشکارسازی علامت روی تصویر پیش پردازش انجام می گیرد و بخش بندی تصویر با توجه به خصوصیات رنگ واشکال ، انجام می گیرد. هر کدام از این بخش ها حاوی مناطقی است که احتمال وجود علامت ترافیکی در آن زیاد است.رنگ ها نقش مهمی را در سیستم های آشکارسازی علامت ترافیکی را ایفا می کنند، با این حال شناسایی اشکال نیز مورد استفاده گروه های تحقیقاتی فراوانی قرارگرفته است]11[. پس می توان گفت که عمده روشهایی که در این مرحله مورد استفاده قرار می گیرد به شرح زیر است:
• آشکارسازی بر اساس رنگ
• آشکارسازی بر اساس شکل
• آشکارسازی بر اساس شکل و رنگ
• آشکارسازی بر اساس یادگیری ماشین

1-3-1-1 آشکارسازی بر اساس رنگ

با توجه به محیط ها وصحنه های پیچیده ای که در اطراف جاده ها وجود دارد،ممکن است که آشکارسازی و شناسایی علایم ترافیکی با مشکل مواجه شود.رنگ علامت ترافیکی در گذر زمان وقرار گرفتن طولانی در معرض نور خورشید و واکنش با هوا، محو می شود. قابلیت دیده شدن علامت ترافیکی در شرایط مختلف جوی مانند باران،برف،طوفان وهوای مه آلود تغییر می-کند.
اطلاعاتی که از رنگ ها به دست می آید به شرایط نوری مانند وجود سایه،ابرهاونور خورشید حساس است.حضور اشیا دیگری که هم رنگ علایم ترافیکی هستند مانند ساختمان ها ویا وسایل نقلیه که ممکن است باعث سر درگمی و آسیب به پروژه می شوند را نیز باید بررسی کرد.امکان دارد که تصویربرداری در یک اتومبیل هنگام حرکت انجام گیرد پس باید تاری ولرزش تصویر را هم در نظر گرفت]3[.
1-3-1-2 آشکارسازی بر اساس شکل

رنگ ها نقش مهمی را در سیستمهای آشکارسازی علامت ترافیکی را ایفا می کنند،با این حال شناسایی اشکال نیز مورد استفاده گروههای تحقیقاتی فراوانی قرار گرفته است]11[.
روشهای مختلفی برای آشکارسازی علایم ترافیکی از روی شکل آن ها وجود دارد،یکی از رایج ترین آنها روشHT است. این روش با رویکرد شناسایی گوشه ها با استدلال ویا تطبیق قالب ساده عملی می شود.تعمیم HTبه یک روش برای یافتن شکل دلخواه در تصویر می تواند با استفاده از تصویر لبه ، انجام گیرد.این تکنیک از اولین تکنیک های بینایی ماشین می باشد.این تکنیک با گذشت زمان گسترش یافت و بهبود داده شد. لوی وبارنز طوری از آن استفاده کردند که بتواند علایم ترافیکی را تشخیص دهد.روش آن ها در چندین سیستم آشکارسازی علایم ترافیکی مورد استفاده قرار گرفت.لوی وبانرز برای شناسایی علایم ترافیکی،از آشکار ساز چند ضلعی منظمی استفاده کردند]12[.
گاوریلا از تطبیق الگوی مبتنی بر تبدیل فاصله(DT )برای آشکارسازی شکل استفاده کرد.ابتدا لبه های تصویر اصلی استخراج می شوند،سپس تصویرDT ایجاد می شود.تصویر DT،تصویری است که هر پیکسل فاصله خود تا نزدیک ترین لبه را نمایش می دهد. این روش برای پیدا کردن شکل مورد علاقه کاربردرفراوانی دارد،بدینصورت که تطابق الگو بین شکل(بعنوان مثال یک مثلث منتظم) و تصویر DTانجام می گیرد]13[.

1-3-1-3 آشکارسازی بر اساس شکل ورنگ

در این رویکرد،هم از اطلاعات رنگ وهم از اطلاعات شکل،برای آشکارسازی علایم ترافیکی استفاده می شود.هر کدام از این اطلاعات،مزایا ومعایب خود را دارند.با این حال می توان، رویکردی تطبیقی ارایه کرد که، یکی از اینها را بعنوان روش اصلی در نظر گرفته و روش دیگر را تحت شرایط خاصی بکار برد؛حتی اگر از این رویکرد تطبیقی استفاده نکنیم، بازهم این روش، کارایی خود را دارد]14[.

1-3-1-4 آشکارسازی بر اساس یادگیری ماشین

در این رویکرد،مشکلاتی از قبیل ،رنگ مورد نظر،شکل علامت ترافیکی با استفاده از کدگذاری دستی حل شده است.این دانش با استفاده از یادگیری ماشین ، عمل اکتشاف را انجام میدهد.پژوهشی که توسط ویولا وجونز انجام گرفت،نقصه عطفی در بینایی ماشین است.آنها الگوریتمی ارایه دادند که قادر به آشکارسازی اشیا بصورت بلادرنگ بود،این تشخیص با دقت وهمینطور قابلیت اعتماد بالایی انجام می گرفت.آشکار ساز با استفاده از مثالهای مثبت ومنفی ،تمرین داده می شد.از سوی دیگر،سایر محققین ،این الگوریتم را برای شناسایی اشیا در کلاس های مختلف دیگر به کار بردند و به موفقیتهایی دست یافتند.در این بین کلاس مربوط به علایم ترافیکی هم با موفقیت تشخیص داده شد]11[.