Sıft (scale Invarıant Feature Transform) Ve Renk Sınıflama Yöntemini Kullanarak Trafik İşareti Tanıma

Abstract

Bu çalışmada, Scale Invariant Feature Transform (SIFT) yöntemini özniteliklerin renk ve yönüne bağlı yeni özelliklerle zenginleştirerek bir trafik işareti tespiti ve tanıma tekniği geliştirilmiştir. SIFT, verilen bir resimde yerel değişmez öznitelikler bulur, bu öznitelikleri eğitim kümesindeki resimlerin öznitelikleri ile eşler. Tanıma, en çok sayıda eşleşmenin olduğu trafik işareti bulunarak yapılır. SIFT yönteminin bu konudaki performansı incelenmiştir. Daha sonra, performansı arttıracak yeni özellikler eklenmiştir. Bunlar, önerilen renk sınıflama yöntemini kullanarak yapılan renk kontrolü ve özniteliklerin yön kontrolüdür. Bu özellikler SIFT yönteminde bulunan eşleşmelerin doğruluğunu kontrol eder. Geliştirilen renk sınıflama yöntemi bazı sınıflara ayırma kuralları kullanarak piksellerin gerçek renklerini bulur. Sonuç olarak, renk ve yön kontrollerinin eklenmesinin SIFT yönteminin başarısını ciddi oranda arttırdığı gözlenmiştir. Çeşitli açılarda dönmüş, afin dönüşümlere uğramış, hasarlı, diğer nesneler tarafından bir kısmı örtülmüş, üzerine diğer nesnelerin gölgesi düşmüş, renk değişimine uğramış, değişik hava koşullarında ve değişik aydınlatma koşullarında resimlenmiş trafik işareti resimleri için bile elde edilen tanıma sonuçlarının gerçekten çok iyi ve tatmin edici sonuçlar elde edilmiştir.

In this study, a traffic sign detection and recognition technique by augmenting the Scale Invariant Feature Transform (SIFT) with new features related to the color and orientation of local regions is developed. SIFT finds local invariant features in a given image and matches these features to the features of images that exist in the training set. Recognition is performed by finding out the training image that gives the maximum number of matches. Performance of SIFT in traffic sign detection and recognition issue is investigated. Afterwards, new features which increase the performance are added. Those are color inspection by using proposed color classification method and inspecting the orientations of SIFT features. These features check the accuracy of matches which are found by SIFT. Color classification method finds out true colors of the pixels by applying some classification rules. It is observed that adding color and orientation inspections raises the recognition performance of SIFT significantly. Obtained results are very good and satisfying even for the images containing traffic signs which are rotated, have undergone affine transformations, have been damaged, occluded, overshadowed, had alteration in color, pictured in different weather conditions and different illumination conditions.