사진에서 교통 표지판을 추출하는 방법은 무엇입니까?

아래 이미지와 같은 이미지에서 교통 표지판을 추출하기 위해 어떤 이미지 분석 기술을 사용할 수 있습니까?

편집하다:

이방성 확산 후 : 원하지 않는 배경이 약간 지워집니다.

팽창 후 :

확산 후 임계 값 :이 목적에 가장 적합한 임계 값을 파악할 수 없음

그러나 배경을 제거하는 방법을 알 수 없습니까?

편집 : 나는 단지 내 이미지 의이 부분을 원한다.

다른 입력 이미지 찍기 :

중앙값 필터링 및 에지 감지 적용 :

바텀 햇 필터링 후 :

도로 표지판을 어떻게 분리하면 도움이 되나요?

상관 관계와 같은 간단한 것을 시도 했습니까?

( 편집 ). 상관 관계의 기본 개념은 템플릿 (귀하의 경우 훈련 된 도로 표지판 샘플)을 사용하여 테스트 이미지의 모든 위치와 비교하는 것입니다. 아래 이미지를 생성하는 데 사용한 비교 연산을 표준화 된 상호 상관 이라고 합니다. 대략적으로 말하면 템플릿의 픽셀과 일치하려는 이미지 부분을 표준화하고 (평균 = 표준 편차 = 1) 픽셀별로 곱하고 제품의 평균 값을 계산합니다. 이 방법으로 "일치 점수", 즉 테스트 이미지의 모든 위치에서 템플릿과 테스트 이미지 간의 유사성을 측정 할 수 있습니다. 가장 일치하는 위치 (가장 높은 상관 관계)가 도로 표지판의 위치에 가장 적합합니다. (실제로 Mathematica 기능을 사용했습니다.CorrelationDistance 아래 이미지를 생성하는 거리로 1-(정규화 된 상관 관계)입니다. 따라서 일치 이미지에서 가장 어두운 부분이 가장 일치합니다).

다른 템플릿이 없으므로 게시 한 두 번째 사진에서 간단히 기호를 자릅니다.

템플릿이 약간 회전되었지만 상호 상관이 여전히 사용 가능한 것으로 보입니다.

가장 적합한 위치는 올바른 위치에 있습니다.

(물론 모든 크기의 표지판을 감지하려면 각 템플릿의 여러 버전이 필요합니다)

마스터 과정에서 관리자가 참여한 프로젝트는 비디오 시퀀스 (예 : 도로 감지, 도로 중심선 감지 및 교통 표지 감지 및 인식 ) 에서 모든 종류의 다양한 교통 신호를 감지하고 인식하는 작업을 수행했습니다 . 우리가 작업했던 비디오 프레임은 여러 가지면에서 예제 이미지와 비슷합니다.

개인적으로 교통 표지 작업은하지 않았지만 Viola-Jones Algorithm (paper) 을 사용하여 최상의 결과를 얻을 수있었습니다 . 요컨대, 무작위 알고리즘보다 정확도가 약간 높은 약한 분류기 들을 사용하여 어려운 작업에서도 강력한 분류기 를 구성하는 알고리즘 입니다.

이 프로젝트는 MASTIF (트래픽 InFrastructure의 상태 매핑 및 평가)라고 하며 실제로 좋은 결과를 얻었습니다. 프로젝트의 출판 페이지 는 프로젝트와 관련된 모든 출판 된 논문에 대한 링크를 제공하기 때문에 매우 유용 할 수 있습니다. 당신에게 아이디어를주기 위해, 출판물 중 일부를 시간 순서대로 정리해 보도록하겠습니다.

• Karla Brkić, Axel Pinz, Siniša Šegvić : "자동 교통 인프라 재고 시스템의 구성 요소로서의 교통 신호 탐지"
• A. Martinović, G. Glavaš, M. Juribašić, D. Sutić 및 Z. Kalafatić : "교통 표지판의 실시간 감지 및 인식"
• Igor Bonači, Ivan Kusalić, Ivan Kovaček, Zoran Kalafatić, Siniša Šegvić : "교통 표지 감지 및 인식에서 잘못된 경보 및 지역화 부정확성 해결"

다시 한번, 나는 교통 표지에 대해 개인적으로 일하지 않았지만 여기서 유용한 자료를 많이 찾을 수 있다고 생각합니다. 또한, 나는 도움이 될 수있는 논문에서 인용 된 참고 문헌을 살펴볼 것을 제안합니다.

인터넷 검색 road way signs detection은이 주제에 관한 많은 좋은 논문을 제공합니다.

일부는 파란색, 녹색, 빨간색 등으로 인해 색상 세분화를 사용합니다.

일부는 먼저 가우시안 스무딩을 적용한 다음 간판을 추출하기 위해 가장자리 감지 및 윤곽을 찾아냅니다.

다음 두 링크를 시도하십시오. 링크 1 , 링크 2

나는 확실히 전문가가 아니지만 가장자리 감지 (예 : 통조림)로 시작한 다음 원, 사각형, 사각형 또는 삼각형 (감지하고자하는 부호에 따라)을 감지하도록 변형하면 템플릿을 사용할 수 있습니다 색상이 충분히 구별되는 경우 (허프 변환에서 반환 된 후보에 대해) 일치 또는 막대 그래프 일치

첫 번째 단계 (허프 변환을 사용하여 후보 탐지)가 더 어려운 단계입니다. 그 후보가 사인인지 아닌지를 감지하는 많은 방법을 생각할 수 있습니다. 이것은 재미있는 문제입니다. 그것을 해결 즐기십시오 :)

그건 그렇고, 관련성이 높은 좋은 연구 기사를 찾을 수 있다고 확신합니다.