Введение

С каждым годом количество автомобилей в мире возрастает, соответственно возрастает и количество дорожно-транспортных происшествий. В связи с этим все больше внимания уделяется автомобильным системам интеллектуальной обработки информации и принятия решений. Инженерами разных стран мира разработано множество систем активной безопасности для автомобилей таких, как ABS (антиблокировочная система), EBD (система распределения тормозных усилий), ESP (система динамической стабилизации автомобиля) и многие другие. Одной из наиболее современных является система распознавания дорожных знаков и дорожной разметки, функциональные возможности которой заключаются в оповещении водителя о наличии дорожных знаков в поле зрения камеры и предупреждении о приближении к опасным участкам дороги.

Идентификация дорожных знаков относится к актуальной и сложной научно-практической задаче распознавания образов. В настоящее время в этой области ведутся интенсивные исследования. Результатом этих работ стало появление коммерческих интеллектуальных систем, основной особенностью которых является закрытость алгоритма функционирования. Серийные автомобили, оснащенные системой распознавания дорожных знаков и дорожной разметки, появились на рынке в 2010 – 2011 гг. Однако многие системы подобного рода основаны на алгоритмах с высокой ресурсоемкостью, что затрудняет их использование в системах реального времени.

Цель данной работы заключается в разработке алгоритма, осуществляющего распознавание дорожных знаков ограничения скорости, основной особенностью которого является высокая скорость обработки кадров (не менее 10 кадров/с). Достижение этой цели подразумевает решение следующих задач: преобразование цветового пространства; удаление шумов; выделение областей интереса; верификация объектов интереса; идентификация дорожного знака .

Преобразование цветового пространства кадров видеосигнала

Все дорожные знаки ограничения скорости имеют два общих признака – контур красного цвета и круглую форму знака (рис. 1). Поэтому первой стадией обработки кадров видеосигнала является выделение областей красного цвета.

Рис. 1. Дорожные знаки ограничения скорости

Входной видеосигнал состоит из последовательности изображений (кадров), каждое из которых представлено в цветовом пространстве RGB и фактически представляет собой матрицу размерностью M×N×3, состоящую из целых чисел в диапазоне , которые определяют цвет каждого пикселя изображения. В таком цветовом пространстве поиск областей красного цвета предполагает одновременный анализ трех составляющих, при этом изменение составляющей R будет влиять на допустимые значения составляющих G и B. Поэтому целесообразно использование цветового пространства HSV, в котором эффективность выделения красного цвета выше по сравнению с RGB пространством.

HSV (Hue, Saturation, Value - тон, насыщенность, значение) - цветовая модель, в которой координатами цвета являются:

• Hue - цветовой тон , (например, красный , зелёный или сине-голубой). Варьируется в пределах 0-360°, однако иногда приводится к диапазону 0-100 или 0-1.
• Saturation - насыщенность . Варьируется в пределах 0-100 или 0-1. Чем больше этот параметр, тем «чище» цвет, поэтому этот параметр иногда называют чистотой цвета . А чем ближе этот параметр к нулю , тем ближе цвет к нейтральному серому .
• Value (значение цвета). Также задаётся в пределах 0-100 и 0-1.

Цветовая модель HSV наиболее близкая к человеческому восприятию цветов.

Преобразование изображения из цветовой модели RGB в цветовую модель HSV производится по следующим формулам :

Если H < 0, то H = H + 360.

После данных преобразований координаты цвета будут находиться в следующих диапазонах: .

Цвет дорожных знаков меняется в зависимости от освещения. Так пороговые значения цветового тона (Hue) для дорожных знаков с красным контуром в дневное время будут отличаться от пороговых значений цветового тона (Hue) для этих знаков в ночное время. В связи с эффектом отражения света от поверхности дорожных знаков, например, при свете автомобильных фар или уличного освещения в ночное время красный цвет на знаках может восприниматься как оранжевый. Поэтому нами экспериментально были подобраны пороговые значения координат цвета в различных погодных условиях и при различной освещенности (табл. 1).

Таблица 1. Пороговые значения координат цвета, используемые для выделения красного цвета

Цветовое пространство	Ясный день	Дождь/Влажность	Вечер	Ночь
	129 0 0	129 0 0	156 0 0	100 0 0
YCbCr	40 100 140	30 100 150	60 77 170	27 70 156
	30 15 0	15 15 0	15 15 0	15 15 0
	300 0.7 0.5	300 0.7 0.5	300 0.7 0.5	22 0.7 0.5

Как видно из результатов таблицы 1 цветовое пространство HSV является наиболее подходящим для выделения красного цвета, т.к. пороговые значения координат цвета практически в любых условиях постоянны и только в ночное время пороговые значения цветового тона (Hue) отличны.

Выделение объектов красного цвета на кадрах видеосигнала после их конвертации в цветовое пространство HSV производится следующим образом:

Суммарная матрица изображения размером M×N×3 разделяется на три матрицы размером M×N, которые соответствуют трем компонентам цвета H, S и V.


Над каждой из матриц H, S, V производится пороговое преобразование в соответствии с пороговыми значениями из таблицы 1 такое, что если компонент матрицы попадает в интервал между пороговыми значениями, то яркость данного пикселя равна 1, в противном случае – 0. В результате данной операции получаются три матрицы со значениями компонентов 0 или 1.


Модифицированные матрицы H*, S*, V* объединяются с помощью выполнения над ними операции логического И. В результате получается бинарное изображение, на котором белые области соответствуют объектам красного цвета, а черные – всему остальному.

Рис. 2. Функции пороговой обработки

Рис. 3. Выделение красного цвета на изображении: а – исходное изображение; б – результат порогового преобразования

Удаление шумов с помощью морфологической фильтрации изображения

Морфологическая фильтрация представляет собой применение к, как правило, бинарному изображению следующих операций: расширение, сужение, открытие, закрытие.

Расширение - это свёртка некоторого изображения (или области изображения), которое мы будем называть A, с некоторым ядром, которое мы будем называть B. Ядро имеет точку привязки (якорь) и может быть любых форм и размеров. Чаще всего ядро имеет квадратную форму с точкой привязки в центре. Ядро может рассматриваться как шаблон или маска, и его эффект на расширение зависит от оператора локального максимума. Когда ядро “скользит” над изображением вычисляется максимальное значение пикселя перекрываемого B, и затем значение пикселя лежащего под опорной точкой заменяется этим максимальным значением. Это вызывает появление ярких областей на изображении.

Сужение - обратная операция. Действие оператора сужения заключается в вычислении локального минимума под ядром. Данный оператор создаёт новое изображение на основе исходного по следующему алгоритму: когда ядро “скользит” над изображением вычисляется минимальное значение пикселя перекрываемого B, и затем значение пикселя лежащего под опорной точкой заменяется этим минимальным значением.

Суть операции сужения в том, что вкрапления и шумы размываются, в то время как большие и соответственно более значимые регионы не затрагиваются. А идея операции расширения – найти регионы аналогичного цвета и интенсивности и попытаться их объединить. Полезность расширения возникает, потому что во многих случаях большая область разбита на несколько более мелких, шумами, тенями и т.д. Применение небольшого расширения должно привести к тому, что эти области “сплавятся” в одну.

Операции открытие и закрытие, представляют собой комбинацию операций сужения и расширения. В случае открытия сначала выполняется сужение, а затем расширение. В операторе закрытия наоборот сначала выполняется расширение, а затем сужение. Закрытие может использоваться для устранения нежелательных шумов.

Результаты морфологической фильтрации представлены на рис. 4. Из рисунка следует, что фильтрация эффективно удаляет шумы на изображении и способствует увеличению точности последующей верификации объектов интереса.

Рис. 4. Удаление шумов на изображении с помощью морфологической операции закрытие: а – изображение с шумом; б – изображение после фильтрации

Верификация объектов интереса

Только цветового признака для определения принадлежности объекта из области интереса к классу дорожных знаков ограничения скорости недостаточно, так как помимо дорожных знаков на изображении могут находиться другие объекты красного цвета (например, автомобили, рекламные доски, автомобильные стоп-сигналы). Второй признак, который можно выделить для всех рассматриваемых дорожных знаков, – форма эллипса очень близкого к кругу.

Для определения наличия эллипсов (кругов) в областях интереса целесообразно применять преобразование Хафа. Данный метод предназначен для поиска объектов, принадлежащих определённому классу фигур с использованием процедуры голосования. Процедура голосования применяется к пространству параметров, из которого и получаются объекты определённого класса фигур по локальному максимуму в, так называемом, накопительном пространстве (accumulator space), которое строится при вычислении трансформации Хафа.

Точки окружности можно представить формулой:

,

где (a, b) – координаты центра окружности, а R – ее радиус.

Таким образом, формула, задающая семейство окружностей, имеет вид:

Как видно из формулы, для нахождения окружностей нужно задавать 3 параметра - координаты центра окружности и её радиус. Это приводит к увеличению пространства Хафа на целое измерение, что в итоге сказывается на скорости работы. Поэтому для поиска окружностей применяется т.н. градиентный метод Хафа (Hough gradient method).

Эффективность использования преобразования Хафа резко падает при увеличении размерности фазового пространства, поэтому перед его применением желательно минимизировать каким-либо образом количество параметров кривой. Можно существенно снизить количество кривых, потенциально проходящих через данную точку изображения, если рассматривать только кривые, касательная которой перпендикулярна градиенту яркости изображения в рассматриваемой точке. Таким образом, можно, например, свести задачу выделения окружностей с неизвестным радиусом к двумерному фазовому пространству:

Применить детектор границ Кенни для нахождения границ на изображении .


Определить центры кругов.


Относительно центра определить ненулевые точки, лежащие на одном расстоянии.

Идентификация дорожного знака

Для распознавания дорожных знаков на кадрах видеопоследовательности после определения областей интереса к данным изображениям необходимо применить алгоритмы идентификации объектов на растровом изображении с целью определения смысла дорожного знака.

Прежде всего, изображение дорожного знака из области интереса должно быть приведено к единому размеру. После чего такое изображение подается на вход модуля идентификации. В разработанной системе для распознавания дорожных знаков на изображениях из областей интереса используется нейронная сеть с архитектурой многослойный персептрон.

Исследователями были предложены многие модели нейронных сетей для распознавания дорожных знаков. Простейшая используемая в работах нейронная сеть представляет собой многослойный персептрон с количеством нейронов во входном слое равным количеству пикселей в изображении дорожного знака из области интереса, одним скрытым слоем с экспериментально подобранным числом нейронов и выходным слоем с количеством нейронов равным количеству распознаваемых дорожных знаков. Однако такая нейронная сеть не дает удовлетворительных результатов распознавания, так как является слишком общей и громоздкой.

Для увеличения скорости работы алгоритма необходимо сократить размер входного вектора признаков. В простейшем случае при размере входного изображения 30 × 30 пикселей входной вектор признаков будет состоять из 3 * 30 * 30 = 2700 компонентов – значения пикселей изображения по 3 компонентам цвета (RGB), что неприемлемо для работы системы в реальном времени.

Предлагается сократить количество компонентов входного вектора признаков следующим образом:

где – элементы матрицы A размера 90 × 30, составленной из значений пикселей входного изображения по 3 компонентам цвета (RGB).

Преобразовать входное цветное изображение в изображение в градациях серого по формуле:


C = 0.229R + 0.587G + 0.114B


где C – интенсивность серого, R, G, B – красная, зеленая и синяя составляющие соответственно.


1. Для изображения в градациях серого рассчитать 30 вертикальных (vh) и 30 горизонтальных параметров (hh) по формулам соответственно:
   

где – компоненты матрицы C, T – адаптивный порог, вычисляемый по формуле:

В результате данных преобразований количество компонентов входного вектора признаков сократится с 2700 до 63, что позволит значительно увеличить производительность алгоритма идентификации объектов на растровом изображении.

Архитектура, используемой в системе нейронной сети представлена на рисунке 5.

Рис. 5. Архитектура нейронной сети

Экспериментально было подобрано число нейронов в скрытом слое для классификации знаков ограничения скорости. Число нейронов в скрытом слое N равно 90.

Выходной слой нейронной сети состоит из 8 нейронов, каждый из которых соответствует своему дорожному знаку (таблица 2).

Таблица 2. Соответствие дорожных знаков и выходных нейронов

Результаты экспериментов применения разработанного алгоритма распознавания дорожных знаков ограничения скорости

Исследование точности и быстродействия разработанного алгоритма выполнялось в среде IDE Microsoft Visual Studio 2010 с использованием библиотеки Qt 4.7 на видеоролике участка трассы Саратов – Волгоград протяженностью 50 км. Видеоролик был снят смартфоном Samsung Galaxy S. В качестве аппаратной платформы использовался нетбук HP Mini 210 со следующими техническими характеристиками:

Процессор Intel Atom N455;

ОЗУ 2 Gb DDR2.

Все методы обработки изображений реализованы с использованием хорошо оптимизированной библиотеки OpenCV 2.3.

Результаты исследования алгоритма представлены в таблице 3.

Таблица 3. Результаты исследования точности и быстродействия разработанного алгоритма

Параметр	Результаты
Общее количество знаков
Количество правильно определенных знаков
Количество неправильно определенных знаков
Количество пропущенных знаков
Среднее время обработки кадра, мс

Полученные характеристики точности и быстродействия разработанного алгоритма являются приемлемыми и позволяют использовать данный алгоритм в подобных системах реального времени.

Выводы

Разработан алгоритм распознавания дорожных знаков ограничения скорости. В результате проведения экспериментального исследования в среде IDE Microsoft Visual Studio 2010 с использованием библиотеки Qt 4.7 и библиотеки OpenCV 2.3 установлено, что точность (около 91 %) и быстродействие (20 кадров/с) алгоритма позволяет создавать на его основе интеллектуальные системы технического зрения, способные в режиме реального времени оповещать водителя о наличии дорожных знаков ограничения скорости в поле зрения камеры.

В дальнейшем планируется адаптация данного алгоритма для работы на мобильном устройстве (смартфоне) на базе операционной системы Google Android.

Использованная литература

Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.: Техносфера – 2005. – 1072 с.


Bradski G., Kaehler A. Learning OpenCV. - Sebastopol: O’Reilly, 2008 . - 555 p.


Brkic K. An overview of traffic sign detection methods.


Canny J. A Computational Approach to Edge Detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. - November 1986. - V. 8, N. 6. - P. 679 – 697.

По статистике превышение скорости является одной из весьма распространенных причин ДТП, которые могут закончиться тяжелыми последствиями для водителя и пассажиров. Разработанная TSR или система распознавания дорожных знаков (Traffic Sign Recognition) создана с тем, чтобы водитель не забывал придерживаться разрешенной скорости согласно правилам дорожного движения. Устройство считывает и распознает дорожные знаки, регламентирующие скорость, напоминая при этом водителю о максимальной разрешенной скорости на определенном участке дороги, если его автомобиль едет быстрее, чем допустимо.

Устанавливаемая на авто система распознавания дорожных знаков конструктивно состоит из видеокамеры, блока управления и устройства подачи информации.
Видеокамера закреплена на ветровое стекло и находится за зеркалом заднего вида. Камера осуществляет функцию фиксации участка дороги впереди движущегося транспортного средства в местах нахождения дорожных знаков сверху и справа по направлению движения, и посылает данные в электронный блок управления. Видеокамера также применяется и другими системами активной безопасности, таких как система помощи движения по полосе и система выявления пешеходов.

Электронный блок управления предназначен для осуществления следующих функций:

Определение конфигурации дорожного знака круглой формы.
Определение красного цвета знака на белом фоне.
Определение допустимой величины скорости, обозначенной на знаке.
Определение табличек, определяющих время и зону действия знака, а также вид транспортного средства.
Определение реальной скорости авто.
Сопоставление реальной скорости автомобиля с максимально разрешенной указанной на знаке.
Предупреждение водителя звуковым или световым сигналом.
Контурное изображение знака, ограничивающего скорость движения, поступает на экран расположения приборов или на экран системы информации и продолжает быть опознанным до тех пор, пока ограничение не исчезнет или не будет заменено. Если на автомобиле установлен информационный дисплей, то картинка будет отражаться на лобовом стекле.

В некоторых конструкциях система распознавания дорожных знаков согласована с системой навигации, и пользуется данными о знаках, ограничивающих скорость, из карт навигации. Распознавание возможно даже в том случае, когда видеокамера не определит знак – все равно данные о нем поступят на панель приборов.

Однако, возможности системы распознавания дорожных знаков не ограничиваются только определением знаков, ограничивающих скорость, запрета обгона или дополнительных информационных таблиц. Помимо этого, устройство способно передавать водителю информацию о следующих знаках:
Запрещающих въезд.
Пересечения с главной дорогой.
Проезд без остановки запрещен.
Начало и конец населенного пункта.
Начало и конец скоростной магистрали.
Знак, информирующий о въезде в жилую зону.
Окончание зоны ограничения знака.

У видеокамеры переднего обзора достаточно работы. Тем не менее список объектов, которые она фиксирует, продолжает расти. Образы автомобилей и пешеходов, дорожная разметка, а теперь еще и знаки. Разумеется, не все. Чтобы система не распылялась по пустякам, разработчики вложили в электронную память минимум символов: ограничение максимальной скорости, запрет обгона и сопряженные с ними таблички с временем и зоной действия, знаки отмены. Их и распознает система, передавая изображение на панель приборов. Машин с такой опцией пока немного, среди поставляемых к нам еще меньше. На тест попали БМВ 3‑й серии и «Опель-Инсигния». И хотя задачи у этих систем одинаковые, различий в работе набралось предостаточно.

ПРЕДМЕТ И МЕТОД

Типичные ситуации для проверки устройств в избытке предоставляют дороги общего пользования. Подмосковные трассы богаты различными ограничениями скорости, более узкие шоссе - запрещающими обгон «леденцами», магистраль и скоростное кольцо в черте города - нестандартными знаками, которые видеоглазок должен считать на довольно быстром ходу. Маршрут мы прошли дважды: в светлое время и в темноте. Причем днем ветровое стекло периодически смачивал дождь, а большегрузные фуры щедро обдавали грязью. В общем, от дорожных реалий не отступили.

В отличие от большинства электронных ассистентов, ответственный за распознавание знаков устроен сравнительно просто. Камера выхватывает и сверяет со своей картотекой таблички, схожие по форме, набору и расположению символов. На похожие ограничения максимальной массы или высоты автомобиля (тоже крупные цифры в красной окантовке) сканеры не реагируют. Правда, доходит до курьезов. При обгоне очередного грузовика «Опель» неожиданно высветил на дисплее «30». Оказалось, сканер считал миниатюрный знак ограничения скорости на цистерне поливальной машины.

БМВ известны знаки запрета обгона и ограничения скорости, а также их отмены. В инструкции упоминаются еще дополнительные информационные таблички «Влажная дорога» и «Зона действия». Забегая вперед, скажем, что первые нам за время прохождения маршрута не попались, а на другие машина попросту не отреагировала. «Опель», даром что попроще брендом, несет более весомый багаж знаний. Например, выучил знаки «Автомагистраль», «Дорога для автомобилей», «Пешеходная зона», да и таблички, сопутствующие основным знакам, камера «Опель ай» (Opel Eye) не игнорирует.

ПРОВЕРКА НА ДОРОГАХ

БМВ разочаровывает в первые минуты: знаки «80» на правой обочине широких московских магистралей он замечает редко. «Опель» чуть внимательнее. Но чувствуется, что для систем эти условия нештатные: на столь широкой дороге нужно дублировать информацию на растяжках, верхней рампе или разделительном барьере.

За городом помощники заработали увереннее: отвлекающей информации меньше, а знаки гораздо ближе. Однако и в этом горшочке меда не обошлось без дегтя. «Опель» чувствителен к ориентации знака. Если тот чуть наклонен или развернут, камера пропускает его. У БМВ свои причуды. В штатной навигации «баварца» зашиты ограничения скорости для всех дорог. Если сканер не видит придорожных знаков, компьютер опирается на данные дорожных карт. Но лучше бы он этого не делал! Электронный Сусанин не всегда четко отслеживает границы населенных пунктов, переключая лимиты «60» и «90». А иной раз высвечивает совершенно необъяснимые ограничения в 50 или 70 км/ч, причем смена происходит в лесу или чистом поле. Система «Опель ай» лишена привязки к навигации, отслеживает только реальную придорожную информацию, а потому и дезинформирует водителя реже.

От системы БМВ, которой помогает навигация, мы ожидали более интеллектуального подхода. А именно - что она будет точнее отслеживать зоны запретов обгона или ограничения скорости. Ведь часто эти знаки действуют до ближайшего перекрестка, которые как раз отлично распознает навигатор. Но почему-то в этом случае от его помощи отказались. В итоге знак горит, пока не появится его отмена, метка в электронной карте с иным ограничением скорости или окончание заданного временного интервала. Последний нам точно определить не удалось: знаки горели на панели разное время, выявить какую-либо зависимость мы не смогли. Кстати, так же поступает и «Инсигния». А вот знак, запрещающий обгон, машина гасит четко спустя 15 секунд. К чему такая спешка? Жирный минус за подачу информации.

ДЕФЕКТЫ ЗРЕНИЯ

Кратковременный, но сильный дождь подпортил «Опелю» оценку за точность. Капли на стекле, которые не успевают смахивать щетки, снижают бдительность ассистента вдвое. Аналогично влияет на остроту его зрения и включенный в ночное время дальний свет: электроника стабильно игнорировала знаки, попадающие в свет фар. БМВ таких капризов себе не позволяет.

Но не надейтесь, что система предупредит вас о знаке заранее. При заявленной стометровой дальнобойности, камеры и «Опеля», и БМВ передают информацию на дисплеи не раньше, чем знак поравняется с передним бампером. А «баварец» и вовсе выдерживает театральную паузу и выдает сообщение, лишь когда столбик замаячит в зеркале заднего вида. Причем это не зависит от погодных условий или времени суток.

Кроме того, если знак хотя бы немного перекрыт стоящим на обочине грузовиком (человеческий глаз отлавливает его и в этом случае), сканеры бессильны. Даже если дорожный «леденец» расположен чуть поодаль, гарантированно система засечет его только на невысокой скорости. Вообще чем выше забирается стрелка спидометра, тем хуже становится реакция ассистентов. Например, при разрешенных на магистрали 110 км/ч сбои в работе случались даже в идеальных условиях.

А если оценивать точность срабатывания по итогам всего теста, БМВ справился примерно с 90% встретившихся знаков, «Опель» - с 75%.

Посовещавшись, вынесли общий вердикт. Вреда опробованные системы не приносят, а в некоторых случаях их подсказки полезны. Ведь при всей внимательности и опыте все мы люди, которым, известное дело, свойственно ошибаться. Да что далеко ходить - за время 600-километрового теста мы пару-тройку раз пропускали важную информацию. Тут-то лишние электронные глаза совсем не мешали. А что иногда сбиваются - простительно. Ведь они - как начинающие водители, только набираются опыта. И, к счастью, те оплошности, которые они допускают, - это не грубые ошибки, а свойственные новичкам помарки.

«Появляющиеся на проекционном дисплее цветные символы запрета обгона и его отмены просмотреть невозможно, а вот реальные знаки на обочине дорог - запросто. Темнота, капли или грязь на ветровом стекле камере не помеха. Мне бы такие зоркие глаза! В итоге БМВ превосходит „Опель“ по двум ключевым параметрам - качеству сканирования и подаче информации. Что касается неправильных подсказок навигации об ограничении скорости, то она ни разу их не завысила относительно реального лимита».

«Я предпочел бы „Опель ай“. Электронный ассистент „баварца“ напоминает чересчур заботливую бабушку, тщательно оберегающую от всякого рода напастей своего любимого внука, а его земляк из Рюссельсхайма - молодого папашу, который предоставляет ребенку достаточно свободы и подстраховывает лишь в опасных ситуациях. Мне больше по душе, когда человек полагается на себя и не ждет постоянно помощи от других. Хотя и таким людям в трудную минуту дельный совет пригодится».

БМВ

Проекция на ветровое стекло. Почти не реагирует на ухудшение видимости. Высокий процент распознавания, видит светодиодные, временные и висящие над дорогой знаки.

Нечетко реагирует на знаки на широкой дороге. Подсказки навигации о разрешенной скорости не всегда верны, полезен был бы контроль зоны действия знаков при помощи навигационной системы.

«Опель»

Распознает дополнительные таблички и знаки «Автомагистраль». Выдает информацию только о реальных дорожных знаках, не путая водителя. Видит светодиодные, временные и висящие над дорогой знаки.

Знаки, отменяющие и разрешающие обгон, удерживаются на дисплее всего 15 с. Систему необходимо активировать после каждого пуска двигателя. Эффективность снижается ночью и при дожде. Не распознает криво стоящие знаки.

На сегодняшний день превышение скорости или несоответствие ее конкретным дорожным условиям является одной из основных причин совершения ДТП, в результате которых ежегодно гибнут и получают увечья тысячи человек. Причем, согласно статистике ДТП, при увеличении скорости, тяжесть последствий ДТП возрастает в геометрической прогрессии. К сожалению, не многие водители знают, что превышение скорости в реальных условиях дорожного движения не приводит к существенному выигрышу во времени. Водитель, преодолевает средний городской маршрут (около 20 км) со скоростью 80 км / ч, вместо разрешенных 60 км / ч, выигрывает во времени всего две минуты. Стоит ли рисковать и нервничать ради пары минут? Не стоит также забывать, что водитель, превышающей скорость, подвергает риску не только себя, но и окружающих людей. В ДТП на скорости 30 км / ч риск смертельного исхода для пешехода 5%, при 50 км / ч -- 40%, а при 65 км / ч -- уже 84%. Превышение скорости часто становится причиной тяжелых дорожно- транспортных происшествий, однако водители часто относятся к этой проблеме без должного внимания. Даже законопослушные водители, которые никогда не позволяют себе вождение в нетрезвом виде, выезда на встречную полосу и т.п., не считают опасным «небольшое» (до 20 км / ч) превышение разрешенной скорости. На следующем графике приведена статистика ДТП, в которой явно показано, что наиболее частой причиной аварий является превышение скорости.

Несмотря на то, что на дорогах России с каждым днем появляется все больше камер регистрирующих превышение скорости, количество нарушений остается на высоком уровне. С каждым годом количество автомобилей в мире возрастает, соответственно возрастает и количество дорожно-транспортных происшествий.

Рис. 1.

В связи с этим все больше внимания уделяется автомобильным системам интеллектуальной обработки информации и принятия решений. Инженерами разных стран мира разработано множество систем активной безопасности для автомобилей таких, как ABS (антиблокировочная система), EBD (система распределения тормозных усилий), ESP (система динамической стабилизации автомобиля) и многие другие. Одной из наиболее современных является система распознавания дорожных знаков и дорожной разметки. Система распознавания дорожных знаков призвана предупреждать водителей о необходимости соблюдения скоростного режима. Данная система определяет дорожные знаки ограничения скорости при их проезде и напоминает водителю текущую максимальную разрешенную скорость, если он движется быстрее.

Применяемые на автомобилях системы распознавания дорожных знаков имеют типовую конструкцию, которая включает:

• - видеокамеру;
• - блок управления;
• - экран.

Видеокамера располагается на ветровом стекле за зеркалом заднего вида.

Камера снимает пространство перед автомобилем в зоне расположения дорожных знаков (справа и сверху по ходу движения) и передает изображение в электронный блок управления. Видеокамера также используется другими системами активной безопасности - системой обнаружения пешеходов, системой помощи движению по полосе. Электронный блок управления реализует следующий алгоритм работы:

• а) распознавание формы дорожного знака (круглая форма);
• б) распознавание цвета знака (красный цвет на белом);
• в) распознавание надписи (величина скорости);
• г) распознавание информационной таблички (вид транспорта, время действия, зона действия);
• д) анализ фактической скорости автомобиля;
• е) сравнение скорости автомобиля с максимально допустимой скоростью;
• ж) визуальное и звуковое предупреждение водителя при отклонении.

Изображение в виде знака ограничения скорости выводится на экран панели приборов (расположен внутри спидометра, на некоторых моделях - на лобовом стекле) и остается видимым, пока ограничение не закончится или будет изменено. В ряде конструкций системы распознавания дорожных знаков электронный блок взаимодействует с навигационной системой, а именно в своей работе использует данные о знаках ограничения скорости из навигационных карт. Даже если знак не будет определен видеокамерой, информация о нем будет выведена на панель приборов.

• - преобразование цветового пространства кадров видеосигнала;
• - выделение контуров и удаление шумов;
• - верификация объектов интереса;
• - идентификация дорожного знака.

Дорожные знаки ограничения скорости имеют важные особенности такие как форма круга и красная окантовка. Поэтому первой стадией работы метода является выделение областей красного цвета на изображении. Для этого предпочтительнее использовать цветовую модель HSV, а не RGB, как у входного изображения. HSV дает возможность более точно указать оттенки красного цвета. Далее приведены формулы для перевода из палитры RGB в палитру HSV:

Важно отметить, что цветовая модель HSV наиболее близкая к человеческому восприятию цветов. После данных преобразований координаты цвета будут находиться в следующих диапазонах: 0

Среди выделенных контуров необходимо выделить контура, которые будут объектами интереса. Только цветового признака для определения принадлежности объекта из области интереса к классу дорожных знаков ограничения скорости недостаточно, так как помимо дорожных знаков на изображении могут находиться другие объекты красного цвета (например, автомобили, рекламные доски, автомобильные стоп-сигналы). Второй признак, который можно выделить для всех рассматриваемых дорожных знаков, - форма эллипса очень близкого к кругу. Таким образом, необходимо выделить контура очертания которых представляют окружность. Для поиска окружностей среди выделенных контуров используется теоретически обоснованное преобразование Хафа. В итоге получена область интереса на изображении, то есть сам дорожных знак.

Заключительный этап работы систем автоматического распознавания дорожных знаков посвящен распознаванию дорожных знаков. В целом,

существующие для этого методы либо используют предварительно построенные шаблоны, либо основаны на обучении. В первом случае для каждого возможного знака создаются специальные шаблоны, которые помещаются в базу данных. После этого производится сравнение вновь поступившего на вход знака со всеми шаблонами путем вычисления какого-либо расстояния (Евклидова, Махаланобиса и т. п.). Естественно. что при этом необходимо приведение всех знаков к одному и тому же размеру. Однако такой метод обычно обладает значительными ошибками даже при небольшом изменении в цвете и освещенности объектов. Поэтому, вместо того чтобы сравнивать сами знаки, выделяют некие их характерные признаки (гистограммы, сумма проекций и интенсивностей и т. д.), что приводит к повышению надежности распознавания.

В конечном итоге система, интегрированная в систему управления автомобилем, должна распознать и идентифицировать определенные дорожные знаки в поле зрения камеры. Дорожные знаки должны соответствовать ГОСТ Р 52290-2004. В этой системе будем использовать знаки ограничения скорости, они описаны в ГОСТ Р 52290-2004.

Эта задача усложняется внешними факторами такими, как изменение дневной освещенности, изменение погодных условий, выбор аппаратуры с достаточным качеством и надежностью. Система должна позволять с высокой вероятностью распознать знаки которые установлены криво либо имеют дефекты. Необходимо учесть степень сложности распознавания знаков на большой скорости. При увеличении скорости транспортного средства нагрузку на систему возрастает, так как скорость подачи информативных кадров возрастает и время на распознавание уменьшается.

Одной из основных причин дорожно-транспортных происшествий с тяжелыми последствиями является превышение скорости. Система распознавания дорожных знаков призвана предупреждать водителей о необходимости соблюдения скоростного режима. Данная система определяет дорожные знаки ограничения скорости при их проезде и напоминает водителю текущую максимальную разрешенную скорость, если он движется быстрее.

Систему распознавания дорожных знаков (Traffic Sign Recognition , TSR ) имеют в своем активе многие известные автопроизводители - Audi, BMW, Ford, Mercedes-Benz, Opel, Volkswagen. Система распознавания дорожных знаков на автомобилях Opel входит в состав системы Opel Eye (вместе с системой Lane Departure Warning). Система Opel Eye отмечена в числе лучших разработок в области автомобильной безопасности 2010 года. Mercedes-Benz назвал свою систему Speed Limit Assist (система контроля ограничения скорости), Volvo - Road Sigh Information, RSI (система информирования о дорожных знаках).

Применяемые на автомобилях системы распознавания дорожных знаков имеют типовую конструкцию, которая включает видеокамеру, блок управления и средство вывода информации.

Электронный блок управления реализует следующий алгоритм работы:

• распознавание формы дорожного знака (круглая форма );
• распознавание цвета знака (красный цвет на белом );
• распознавание надписи (величина скорости );
• распознавание информационной таблички (вид транспорта, время действия, зона действия );
• анализ фактической скорости автомобиля;
• сравнение скорости автомобиля с максимально допустимой скоростью;
• визуальное и звуковое предупреждение водителя при отклонении.

Изображение в виде знака ограничения скорости выводится на дисплей комбинации приборов или дисплей информационной системы и остается видимым, пока ограничение не закончится или будет изменено. На автомобилях, оборудованных информационным дисплеем , изображение выводится на лобовое стекло.

В ряде конструкций система распознавания дорожных знаков взаимодействует с навигационной системой и использует сведения о знаках ограничения скорости из навигационных карт. Даже если знак не будет определен видеокамерой, информация о нем будет выведена на панель приборов.

Система способна распознавать ограничения скорости, действующие для определенного вида транспорта (по знакам дополнительной информации - табличкам), а также знаки отмены ограничения скорости. Система Opel Eye пошла дальше - она распознает наряду со знаками ограничения скорости, знаки, запрещающие обгон.

второго поколения информирует водителя о различных дорожных знаках. Помимо знаков ограничения скорости, запрета обгона, отдельных знаков дополнительной информации, система распознает следующие знаки:

• движение без остановки запрещено;
• въезд запрещен;
• главная дорога (конец главной дороги);
• преимущество встречного движения (преимущество перед встречным движением);
• уступите доргу;
• конец зоны всех ограничений;
• начало (конец) населенного пункта;
• начало (конец) автомагистрали;
• жилая зона.

Перечисленные знаки на дисплее не отображаются. Информация о распознанных знаках согласуется с данными навигационной системы, текущими параметрами движения автомобиля. В результате система информирует водителя о текущей дорожной ситуации и способствует безопасному движению.