Implementação de um algoritmo de visão computacional para detecção, classificação e rastreamento de semáforos

Abstract

O processo de detecção de semáforos e sua classificação a partir de imagens digitais consiste de uma importante etapa de processamento em sistemas visão computacional em ambientes urbanos. Essa etapa tem o intuito de auxiliar na minimização de acidentes urbanos gerados por carros autônomos. O presente trabalho descreve o desenvolvimento de um algoritmo que utiliza técnicas de processamento de imagem e aprendizado de máquina, utilizando um banco de imagens retiradas a partir da visão do carro em um ambiente urbano como referência para o treinamento e testes. Preliminarmente, é feita uma fundamentação teórica dos principais conceitos utilizados durante o desenvolvimento deste trabalho e das métricas utilizadas para avaliação de desempenho. A seguir, é detalhado as etapas de desenvolvimento do trabalho, desde o desenvolvimento da rede neural convolucional para a detecção de semáforos até o algoritmo responsável por classificar os estados e os tipos dos semáforos detectados. Descreve-se também um algoritmo de rastreamento de objetos para otimização do sistema. As etapas do algoritmo implementado são testadas utilizando o bancos de imagens de testes com seus resultados sendo avaliados e discutidos. Por último, os resultados são avaliados com respeito às medidas habitualmente consideradas neste tipo de aplicação, demonstrando-se próximos do que é apresentado em trabalhos semelhantes.

The traffic light detection process and its classification from digital images is an important processing step in computer vision systems for urban environments. This step is intended to help minimize urban accidents generated by autonomous cars. The present work describes the development of an algorithm that uses image processing and machine learning techniques, using a dataset of images taken from the vision of a car in an urban environment as a reference for training and testing. Preliminarily, a theoretical foundation is made of the main concepts used during the development of this work and of the metrics used for performance evaluation. Next, the stages of development of the work are detailed, from the development of the convolutional neural network for detecting traffic lights to the algorithm responsible for classifying the states and types of detected traffic lights. An object tracking algorithm is also described for system optimization. The steps of the implemented algorithm are tested using the test image banks with their results being evaluated and discussed. At last, the results are evaluated with respect to the measures usually considered in this type of application, proving to be close to what is presented in similar works.