Разработка нейросетевого метода детектирования и распознавания знаков дорожного движения

Рябов, Виктор Михайлович Отделение информационных технологий (ОИТ)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Детектирование и распознавание знаков дорожного движения играет важную роль в системе управления движением и системе автоматического управления машин.
Целью работы является реализация алгоритмов обработки изображений и машинного обучения для обнаружения и распознавания дорожных знаков на изображениях реальных сцен.

ВВЕДЕНИЕ ………………………………………………………………………………………….. 15
1 ТЕОРИТИЧЕСКИЙ ОБЗОР СУЩЕСТВУЮЩИХ АЛГОРИТМОВ И
СИСТЕМ, ИСПОЛЬЗУЕМЫХ ДЛЯ ДЕТЕКТИРОВАНИЯ И
РАСПОЗНАВАНИЯ ЗНАКОВ ДОРОЖНОГО ДВИЖЕНИЯ ……………………. 17
1.1 Обзор действующих систем, применяемых для распознавания знаков
дорожного движения…………………………………………………………………………… 17
1.1.1 Общая архитектура существующих систем …………………………….. 17
1.1.2 Opel Eye ……………………………………………………………………………….. 18
1.1.3 Speed Limit Assist (Mercedes) …………………………………………………. 20
1.1.4 Road Sign Information (Volvo) ………………………………………………… 21
1.1.5 Roadly ………………………………………………………………………………….. 23
1.2 Сравнительный аналитический обзор технических характеристик
существующих систем распознавания знаков дорожного движения ………. 24
1.3 Сравнительный анализ алгоритмов, применяемых для детектирования
и распознавания знаков дорожного движения ………………………………………. 25
1.3.1 Обнаружение объектов по цвету…………………………………………….. 26
1.3.2 Обнаружение объекта по форме …………………………………………….. 29
1.3.3 Метод Максимально Стабильных Экстремальны Областей ……… 34
1.3.4 Алгоритм Виолы-Джонса ………………………………………………………. 35
1.4 Выбор наиболее подходящего алгоритма для реализации
детектирования объектов …………………………………………………………………….. 38
1.5 Распознавание дорожного знака при помощи нейронных сетей …….. 39
1.5.1 Искусственные нейронные сети ……………………………………………… 39
1.5.2 Свёрточные нейронные сети ………………………………………………….. 41
1.6 Знаки дорожного движения …………………………………………………………. 43
2 РАЗРАБОТКА АЛГОРИТМОВ ДЕТЕКТИРОВАНИЯ И
РАСПОЗНАВАНИЯ ДОРОЖНЫХ ЗНАКОВ НА ИЗОБРАЖЕНИИ………….. 48
2.1 Общее решение задачи ……………………………………………………………….. 48
2.2 Обучающая выборка GTSRB……………………………………………………….. 48
2.3 Выборка реальных дорожных сцен GTSDB ………………………………….. 49
2.4 Программная реализация …………………………………………………………….. 50
2.4.1 Библиотека Keras ………………………………………………………………….. 51
`
2.4.2 Библиотека OpenCV………………………………………………………………. 51
2.5 Поиск максимально стабильных экстремальны областей ………………. 52
2.6 Обработка изображения фильтрами Габора ………………………………….. 54
2.7 Реализация сверточной нейронной сети на Keras ………………………….. 56
3 РЕЗУЛЬТАТЫ ПРОВЕДЕННОГО ИССЛЕДОВАНИЯ ………………………. 58
3.1 Детектирование областей ……………………………………………………………. 58
3.2 Распознавание полученных областей …………………………………………… 58
4 Финансовый менеджмент, ресурсоэффективность и ресурсосбережение 61
4.1 Организация и планирование работ ……………………………………………… 61
4.1.1 Продолжительность этапов работ …………………………………………… 62
4.2 Расчет сметы затрат на выполнение проекта ………………………………… 67
4.2.1 Расчет затрат на материалы ……………………………………………………. 67
4.2.2 Расчет заработной платы ……………………………………………………….. 67
4.2.3 Расчет отчислений от заработной платы …………………………………. 68
4.2.4 Расчет затрат на электроэнергию ……………………………………………. 69
4.2.5 Расчет амортизационных расходов …………………………………………. 70
4.2.6 Расчет прочих расходов …………………………………………………………. 71
4.2.7 Расчет общей себестоимости разработки ………………………………… 71
4.2.8 Расчет прибыли …………………………………………………………………….. 72
4.2.9 Расчет НДС …………………………………………………………………………… 72
4.2.10 Цена разработки НИР ……………………………………………………………. 72
4.3 Оценка экономической эффективности проекта ……………………………. 72
5 СОЦИАЛЬНАЯ ОТВЕТСВЕННОСТЬ ………………………………………………. 74
Введение ……………………………………………………………………………………………. 74
5.1 Правовые и организационные вопросы обеспечения безопасности … 74
5.1.1 Специальные правовые нормы трудового законодательства …….. 74
5.2 Организационные мероприятия при компоновке рабочей зоны ……… 76
5.2.1 Эргономические требования к рабочему месту ……………………….. 76
5.3 Производственная безопасность ………………………………………………….. 78
5.3.1 Вредные производственные факторы ……………………………………… 79
5.4 Экологическая безопасность ……………………………………………………….. 89
5.4.1 Анализ влияния объекта исследования на окружающую среду … 89
`
5.4.2 Обоснование мероприятий по защите окружающей среды ………. 89
5.5 Безопасность в чрезвычайных ситуациях ……………………………………… 90
5.5.1 Анализ вероятных ЧС, которые могут возникнуть на рабочем
месте при проведении исследований …………………………………………………. 90
5.5.2 Обоснование мероприятий по предотвращению ЧС и разработка
порядка действия в случае возникновения ЧС ……………………………………. 91
5.6 Выводы ……………………………………………………………………………………… 93
ЗАКЛЮЧЕНИЕ …………………………………………………………………………………….. 94
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ ……………………………………….. 95
Приложение А ………………………………………………………………………………………. 99
`

За последние несколько десятилетий транспортные средства
настолько сильно интегрировались в нашу повседневную жизнь, что сейчас
трудно представить жизнедеятельность людей без них.
На сегодняшний день, актуальной задачей является построение
систем автоматического предупреждения водителя о дорожной ситуации.
Главной задачей таких систем является обнаружение и распознавание
знаков дорожного движения. В настоящее время таких алгоритмов
разработано огромное количество, но уровень точности и скорости
распознавания не всегда дают качественно обнаруживать и распознавать
объекты с заданной точностью. Следовательно, проблема – создание такого
алгоритма, который быстро и качественно будет распознавать знаки
дорожного движения – остается актуальной.
Актуальность задачи распознавания знаков дорожного движения
вызвана совершенствованием уровня безопасности на дорогах и
автомагистралях, а также предельно высокой значимости информации,
которая содержится на знаках дорожного движения.
При применении автоматической системы распознавания крайне
важно правильно и своевременно идентифицировать знаки дорожного
движения, в транспортном средстве, при движении как в условиях города,
так и автомагистрали.
На сегодняшний день для выполнения задачи распознавания
разрабатываются и используются коммерческие системы, которые
поставляются «в комплекте» с автомобилем. Такие системы являются
закрытыми, в частности, компания Opel с системой «Opel Eye», компания
Mercedes с системой «Speed limit assist», компания Volvo с системой «Road
sign information».
`
Ранее упомянутые аппаратно-программные комплексы внедряются в
автомобильную систему как опция и не могут быть улучшены или
модифицированы.
Анализируя предметную область, стало ясно, что существующие
системы не до конца решают поставленную задачу. Результативность
многих действующих систем резко уменьшается в реальных условиях при
наличии разного уровня размытости, шума, плохого освещения и при
различных искажениях.
Целью работы является разработка алгоритма детектирования и
распознавания знаков дорожного движения.
Для того, чтобы достичь поставленной цели нужно решить данные
задачи:
1. Исследовать уже действующие алгоритмы, которые
используются для распознавания знаков дорожного движения на
изображениях реальных сцен.
2. Разработка алгоритма детектирования знаков дорожного
движения на изображениях реальных сцен, который будет обеспечивать
высокую устойчивость к разным рода шумам, размытиям и различным
искажениям.
Объектом исследования являются алгоритмы обработки
изображений и системы, созданные с помощью сверточных нейронных
сетей.
Предметом исследования является применение алгоритмов
обработки изображения для обнаружения и нейросетевых алгоритмов для
детектирования распознавания знаков дорожного движения на
изображениях реальных сцен.

Основной целью работы была реализовать детектирование и
распознавания дорожных знаков. Для достижения этой цели перед
исполнителем был поставлен ряд задач, касающихся изучения существующих
методов выделения объектов на изображении, поиска области знака на
изображениях и распознавания знаков дорожного движения.
Существующие методы поиска объектов на изображениях были
изучены, и был реализован соответствующий алгоритм, позволяющий решить
эту задачу.
Были изучены методы распознавания дорожных знаков, что также было
реализовано с помощью библиотеки OpenCV и Keras. Итоговая программная
система способна распознавать основные из наиболее часто встречающихся
видов дорожных знаков.
Естественно, в реализации остаются места, которые возможно
оптимизировать для лучшей работы, а также возможно реализовать
распознавание нетривиальных (комбинированных) знаков, вид которых не
позволяет распознавать их на данном этапе.
В программе реализованы все шаги, необходимые для корректной
работы в различных условиях: возможность настраивать фильтры,
автоматическое форматирование различных видов входных и выходных
данных в соответствии с требованиями программы.
`

1.OpelEye[Электронныйресурс]Точкадоступа:
https://www.opel.com/ (дата обращения 18.03.20)
2.Speed Limit Assist (Mercedes) [Электронный ресурс] Точка
доступа: https://www.mercedes-benz.co.uk/ (дата обращения 18.03.20)
3.Road Sign Information (Volvo )[Электронный ресурс] Точка
доступа: https://www.volvocars.com/ (дата обращения 19.03.20)
4.Roadly[Электронныйресурс]Точкадоступа:
https://www.roadarlabs.com/ (дата обращения 19.03.20)
5.Желтов С. Ю. Обработка и анализ изображений в задачах
машинного зрения. // М.: Физматкнига, 2010. — 672 с
6.Прэтт У. Цифровая обработка изображений. М.: Мир, 1982. – 311
с.
7.Форсайт Д.А., Понс Ж. Компьютерное зрение. Современный
подход. – Вильямс, 2004. – 928 с.
8.X. Gao, L. Podladchikova, D. Shaposhnikov, K. Hong, and N.
Shevtsova, “Recognition of traffic signs based on their colour and shape features
extracted using human vision models,” Journal of Visual Communication and Image
Representation, vol. 17, no. 4, pp. 675–685, 2006.
9.Lopez, L. Color-based road sign detection and tracking. Image Analysis
and Recognition / L. Lopez, O. Fuentes // Lecture Notes in Computer Science. –
Springer. – 2007. – P. 1138-1147.
10.Xiaoju Ma, Bo Li, Ying Zhang, Ming Yan. «The Canny Edge Detection
and Its Improvement» Kunming University of Science and Technology Kunming
China 2012:
11.Khaled Hammouda, “Texture Segmentation using Gabor Filters”,
Course Project of SD775 at the University of Waterloo, Ontario, Canada, May 2003,
12.Petra Bosilj, Ewa Kijak and Sébastien Lefèvre. Beyond MSER:
Maximally Stable Regions using Tree of Shapes. // Proceedings of the British
`
Machine Vision Conference (BMVC), pages 169.1-169.13. BMVA Press,
September 2015.
13.P.E. Forssén. Maximally stable colour regions for recognition and
matching. // In Computer Vision and Pattern Recognition, 2007. CVPR’07. IEEE
Conference on, pages 1–8. IEEE, 2007.
14.Donoser, M. and Bischof, H. Efficient Maximally Stable Extremal
Region (MSER) Tracking. // Conference on Computer Vision and Pattern
Recognition, 2006 IEEE Computer Society Conferenceon, volume 1, pages 553–
560. IEEE, 2006
15.Š. Obdržálek and J. Matas. Object recognition using local affine frames
on maximally stable extremal regions. // In Toward Category-Level Object
Recognition, pages 83–104. Springer, 2006.
16.Mikolajczyk, K., Tuytelaars, T., Schmid, C., Zisserman, A., Matas, J.,
Schaffalitzky, F., Kadir, T., Gool, L.V.: A comparison of affine region detectors. //
International Journal of Computer Vision 65 (2005) pages 43–72
17.P. Viola and M. Jones, “Robust real-time object detection,” in
International Journal of Computer Vision, 2001.
18.Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. –
1104 c.
19.Каллан Р. Основные концепции нейронных сетей // Пер. с англ. —
М. Издательский дом «Вильямс», 2001.
20.Тадеусевич Р. Элементарное введение в технологию нейронных
сетей с примерами программ: пер. с пол. // Р. Тадеусевич [и др.]. — М.: Горячая
линия-Телеком, 2011. — 408 с.
21.Zhang, Z.; Li, Y.; He, X.; Yuan, W. CNN Optimization and its
application in traffic signs recognition based on GRA. J. Residuals Sci. Technol.
2016, 13, 6
22.Горбачев, М. Г. Безопасное вождение современного автомобиля /
М.Г. Горбачев. – М.: Рипол Классик, 2017. – 256 c.
`

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Александра С.
    5 (91 отзыв)
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повы... Читать все
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повышении уникальности текста и оформлении библиографических ссылок по ГОСТу.
    #Кандидатские #Магистерские
    132 Выполненных работы
    Дмитрий М. БГАТУ 2001, электрификации, выпускник
    4.8 (17 отзывов)
    Помогаю с выполнением курсовых проектов и контрольных работ по электроснабжению, электроосвещению, электрическим машинам, электротехнике. Занимался наукой, писал стать... Читать все
    Помогаю с выполнением курсовых проектов и контрольных работ по электроснабжению, электроосвещению, электрическим машинам, электротехнике. Занимался наукой, писал статьи, патенты, кандидатскую диссертацию, преподавал. Занимаюсь этим с 2003.
    #Кандидатские #Магистерские
    19 Выполненных работ
    Олег Н. Томский политехнический университет 2000, Инженерно-эконо...
    4.7 (96 отзывов)
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Явл... Читать все
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Являюсь действующим преподавателем одного из ВУЗов.
    #Кандидатские #Магистерские
    177 Выполненных работ
    Александр Р. ВоГТУ 2003, Экономический, преподаватель, кандидат наук
    4.5 (80 отзывов)
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфин... Читать все
    Специальность "Государственное и муниципальное управление" Кандидатскую диссертацию защитил в 2006 г. Дополнительное образование: Оценка стоимости (бизнеса) и госфинансы (Казначейство). Работаю в финансовой сфере более 10 лет. Банки,риски
    #Кандидатские #Магистерские
    123 Выполненных работы
    Анастасия Л. аспирант
    5 (8 отзывов)
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибост... Читать все
    Работаю в сфере метрологического обеспечения. Защищаю кандидатскую диссертацию. Основной профиль: Метрология, стандартизация и сертификация. Оптико-электронное прибостроение, управление качеством
    #Кандидатские #Магистерские
    10 Выполненных работ
    Кормчий В.
    4.3 (248 отзывов)
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    #Кандидатские #Магистерские
    335 Выполненных работ
    Катерина В. преподаватель, кандидат наук
    4.6 (30 отзывов)
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации... Читать все
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации. Опыт работы 7 лет. Всегда на связи и готова прийти на помощь. Вместе удовлетворим самого требовательного научного руководителя. Возможно полное сопровождение: от статуса студента до получения научной степени.
    #Кандидатские #Магистерские
    47 Выполненных работ
    Дарья Б. МГУ 2017, Журналистики, выпускник
    4.9 (35 отзывов)
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных ко... Читать все
    Привет! Меня зовут Даша, я окончила журфак МГУ с красным дипломом, защитила магистерскую диссертацию на филфаке. Работала журналистом, PR-менеджером в международных компаниях, сейчас работаю редактором. Готова помогать вам с учёбой!
    #Кандидатские #Магистерские
    50 Выполненных работ
    Дмитрий К. преподаватель, кандидат наук
    5 (1241 отзыв)
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполня... Читать все
    Окончил КазГУ с красным дипломом в 1985 г., после окончания работал в Институте Ядерной Физики, защитил кандидатскую диссертацию в 1991 г. Работы для студентов выполняю уже 30 лет.
    #Кандидатские #Магистерские
    2271 Выполненная работа

    Другие учебные работы по предмету