簡易檢索 / 詳目顯示

研究生: 林羿甫
論文名稱: 從影片中進行路標偵測與辨識
Road sign detection and classification from videos
指導教授: 陳世旺
學位類別: 碩士
Master
系所名稱: 資訊工程學系
Department of Computer Science and Information Engineering
論文出版年: 2010
畢業學年度: 98
語文別: 中文
論文頁數: 46
中文關鍵詞: 路標偵測共變異係數描述子自適應增強分類訓練錯誤蒐集輸出碼分類訓練
英文關鍵詞: Road Sign Recognition, Region Covariance Descriptor, Adaboost, Error Collection Output Code
論文種類: 學術論文
相關次數: 點閱:143下載:12
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報
  • 近年來路標偵測廣泛的使用在輔助駕駛系統,以提供駕駛者資訊與警告部分不當的駕駛行為例如超速、違規轉向等等。路標偵測也應用於導航系統中,提高路徑導航的精準度。由於路標擁有種類繁多的外觀,與無法控制的環境如光影變化、路標老化,使得路標偵測與分類成為挑戰性的工作。本研究將這議題分成路標偵測與路標分類兩部分。在路標偵測的部分,我們訓練分類器偵測影像中可能為路標之部分。該分類器為由Adaboost 演算法挑選描述性(descriptive)強的共變異區域特徵(Covariance Region Feature)生成弱分類器,boost 這些分類器組成強分類器。在路標辨識的部分,我們將路標辨識定義為多種類(multi-class)分類問題。以ErrorCorrecting Output Codes (ECOC)架構處理這問題。
      本實驗可偵測影像中之紅色外框圓形之警告禁止類的路標與三角形的路標,並可辨識其中八種圓形路標與六種三角型路標。

    附表目錄 vii 附圖目錄 viii 第一章 簡介 第一節 研究動機……………………………………………………1-1 第二節 問題分析與文獻探討………………………………1-3 第三節 論文架構……………………………………………………1-8 第二章 系統架構 第一節 系統設置……………………………………………………2-1 第二節 系統運作……………………………………………………2-1 甲、前處理……………………………………………………2-2 乙、路標偵測…………………………………………………2-4 丙、路標分類…………………………………………………2-5 第三章 區域共變異數描述子 第一節 以共變異數作為區域的描述子………………3-1 第二節 矩形積分影像……………………………………………3-2 第三節 應用矩形積分影像快速求得共變異數 描述子…………………………………………………………3-4 第四節 區域共變異數特徵的比較………………………3-5 第五節 實驗…………………………………………………………3-6 第四章 路標偵測與辨識 第一節 路標偵測……………………………………………………4-1 甲、弱分類器……………………………………………………4-1 乙、Adaboost演算法……………………………………4-3 丙、階層式學習…………………………………………………4-4 第二節 路標辨識 甲、Error Correcting Output Code………4-5 乙、弱分類器…………………………………………………………4-7 第五章 實驗結果 第一節 實驗設備……………………………………………………5-1 第二節 實驗結果…….………………………………………………5-1 第六章 結論與未來工作 6-1 參考文獻 參-1

    [Mur06] K. Murphy, A. Torralba, D. Eaton, and W. Freeman, "Object detection and localization using local and global features", Lecture Notes in Computer Science, Vol. 4170,pp382-400,2006
    [Low04] D. Lowe. "Distinctive image features from scale-invariant keypoints," International Journal of Computer Vision, vol.60, no.2, pp.91–110, 2004.
    [Alp04] E. Alpaydin, Introduction to Machine Learning, pp.108-210, 2004.
    [Nes01]P. Neskovic and L. Cooper, "Object segmentation using an array of interconnected neural networks with local receptive fields, " Neural Networks, col.3, pp.1983-1988,2001.
    [Lam04] E. Lam, "Statistical modelling of the wavelet coefficients with different bases and decomposition levels," Vision Image and Signal Processing, vol.151 , pp.203-206, 2004
    [Dal05] N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection, "Computer Vision and Pattern Recognition,vol.1, pp.886-893,2005.
    [Tuz06] O. Tuzel, F. Porikli, P. Meer, "Region Covariance: A Fast Descriptor for Detection and Classification, " ECCV 2006, Part II, pp. 589–600, 2006.
    [Att05] C. Attaianese, V. Nardi, G. Tomasso, "A novel SVM strategy for VSI Dead-time-effect reduction, " Industry Applications, Vol.4, pp.1667-1674,
    2005.
    [Fre99] Y. Freund, E. Robert, "A Short Introduction to Boosting," Journal of Japanese Society for Artificial Intelligence, vol14, pp.771-780, 1999.
    [Alp04] E. Alpaydin, Introduction to Machine Learning, 248-257, 2004
    [Pic96] G. Piccioli, E. D. Micheli, and M. Campani”, “A robust method for road sign detection and recognition,” in ECCV (1), 1996, pp. 495–500.
    [Loy03] G. Loy and A. Zelinsky, “Fast radial symmetry for detecting points of interest,” IEEE Trans Pattern Analysis and Machine Intelligence, no. 8, 2003.
    [Mal07]S. Maldonado-Bascon, S. Lafuente-Arroyo, P. Gil-Jimenez, H. Gomez-Moreno, and F. Lopez-Ferreras, “Road-sign detection and recognition based on support vector machines,” Intelligent Transportation Systems,IEEE Transactions on, vol. 8, no. 2, pp. 264–278, June 2007.
    [Esc04] A. de la Escalera, J. Armingol, J. Pastor, and F. Rodriguez, “Visual sign information extraction and identification by deformable models for intelligent vehicles,” Intelligent Transportation Systems, IEEE Transactions on, vol. 5, no. 2, pp. 57–68, June 2004.
    [Vio01] P. Viola, M. Jones, "Robust Real-time Object Detection, "ICCV 2001, Vol.2 pp. 747 – 747, 2001.
    [Lev04] K. Levi and Y. Weiss, "Learning Object Detection from a Small Number of Examples: the Importance of Good Features, "Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition,pp.1063-6919,2004

    下載圖示
    QR CODE