En este trabajo se presenta un sistema de detección de señales de tráfico aledañas a intersecciones viales y rotondas, y un análisis para conocer su capacidad de detección en función de la distancia. El método propuesto está basado en la segmentación por color sobre el espacio RGB-normalizado (ErEgEb) para la generación de regiones de interés (ROIs), la clasificación del tipo de señal usando los espacios YCbCr y ErEgEb para construir una plantilla estadística, donde para eliminar el fondo se ha propuesto una función de distribución de probabilidad que modeliza el color de los objetos de interés. El sistema está especializado en dos tipos de señales: disco Pare y triángulo invertido de Ceda el Paso. Luego se analiza su desempeño, al compararlo con el método de Viola & Jones, donde se verifica la capacidad de detección a diferentes distancias. Para distancias menores a 48 metros, el método propuesto ha logrado una tasa de detección del 87.5% en el caso de la señal de Ceda el Paso, y del 95.4% en el caso del disco Pare, mientras que para distancias inferiores a 30 metros la detección lograda es del 100%. Estos resultados son superiores a los reportados en la mayoría de la literatura existente, la cual a diferencia del presente trabajo no aborda la sensibilidad de los métodos propuestos ante la variación de la distancia a las señales de tráfico aún cuando esto es uno de los principales desafíos en la implementación de sistemas de asistencia al conductor aplicables al mundo real. Los experimentos han sido desarrollados sobre una base de datos de señales de tráfico, generadas a partir de imágenes tomadas en varias calles de la ciudad de Santiago, Región Metropolitana, Chile, usando un vehículo experimental diseñado para desarrollar sistemas inteligentes.
This paper describes a system for traffic sign detection from surrounding traffic intersections and analysis for the ability of detection depending on the distance is presented. The method is based on segmentation by color on the RGB-normalized space (ErEgEb) for generating regions of interest (ROIs), the classification of the type of signal using YCbCr and ErEgEb spaces to build a statistical template, where to remove the background has proposed a probability distribution function that models the color of the objects of interest and its background. This system is specialized in Stop and Give way signs.
After that when compared to the Viola & Jones method where the detection capability is verified at different distances is then analyzed. For distances less than 48 meters, this method reaches a detection rate of 87.5%, in the case of Give way sign and 95.4% regarding the Stop sign, while for distances less than 30 meters the detection rate is 100%. These results are higher than those in the state of the art. Experiments have been developed over a traffic signs database, generated from images taken in several streets of the Santiago, Metropolitan Region, Chile, using an experimental vehicle designed to develop intelligent systems.
Abramowitz and Stegun, 1972, Agencia Nacional de Tránsito del Ecuador, 2015, Baya et al., 2008, Carrasco, 2009, CONASET, 2014, Dalal, 2006, Fleyeh et al., 2013, Flores, 2009, Flores et al., 2007, Fraser, 2005, Greenhalgh and Mirmehdi, 2012, Han et al., 2015, Hastie et al., 2009, Horgan et al., 2015, Huang et al., 2014, Jain and Li, 2005, Lau et al., 2015, Li et al., 2015, Lillo et al., 2015, Mesriani Law Group, 2015, Mogelmose et al., 2012, National Highway Traffic Safety Administration, 2015, Nguyen et al., 2014, Nie et al., 2012, Perez-Perez et al., 2013, RAL, 2012, Salti et al., 2015, Viola and Jones, 2001a, Viola and Jones, 2001b, Viola et al., 2005, World Health Organization, 2015a, World Health Organization, 2015b, World Health Organization, 2015c, Zaklouta and Stanciulescu, 2012 and Zaklouta and Stanciulescu, 2014.