臺灣博碩士論文加值系統

在本篇論文中，我們提出一個利用比對搜尋法則來自動進行路標辨識的方法。我們整個系統可分為兩個部分，偵測及辨識。在偵測方面，我們利用路標的一些基本位置知識、外型及顏色，由一張遠景中取得可能有路標的近照。再利用一次路標的特性以樣板比對的方式，有系統的找出路標的詳細位置及其相關資訊以進行辨識。在辨識方面，我們利用一個有彈性且有效率的方法『比對搜尋法』來進行辨識，而整個辨識系統可分為訓練及測試階段。在離線訓練階段中，系統設計出每種路標所相對應的比對搜尋過濾器；在線上測試階段中，利用這些過濾器辨識出正確的答案。近來有許多自動輔助視覺系統的發展，且這些技術都利用到交通控制、分析、路標的尋找及自動導航系統…等，而系統的架構大可分為偵測及辨識兩大部分。在先前的研究，大多將重心放在偵測部分，希望能夠詳細且明確的獲得有關路標的一切資訊，所以發展出許多的技術與應用，而在辨識方面則以常用的模版比對法來進行辨識。
相對以前的研究，我們的重心則是放在辨識部分，希望能發展出一套有效率、有彈性且低線上計算量的系統。如此來在線上偵測方面，便不需花費太多的時間於尋求有關路標的資訊，只需獲得位置及大小..等概略資訊即可辨識，以增加效率。所以在辨識系統方面，我們利用一個有效率的演算法『比對搜尋法』來完成。因為其不同傳統的模版比對法，將訓練的計算量轉移到離線設計過濾器時，如此來，在線上比對辨識時，便只需個別比對一次即可，大大減少線上計算量以增加效率。
整個路標偵測系統可以分為三個部分，每一部份代表每一個階段的搜尋區域的減少及改善。在第一階段中，由遠景裡取出可能有路標的區域，系統是設定在右邊中間部分的區域。在第二階段中，則是在此搜尋區域中找出可能有路標的位置，再移動相機的方向去擷取一張近的影像作為辨識用。第三階段中，以模版比對法來找出路標概略的位置，將搜尋區域減少至路標的範圍，且對此區域做些影像處理以增進辨識效率。而整個系統為利用路標特有的顏色、形狀及位置特徵來有效率的偵測路標。
為了能更有效率的辨識路標，我們選用了『比對搜尋法』，一個在影像編碼上有效率的演算法，將其利用在影像辨識上。
在比對搜尋法中，最重要的部分是基底的選擇，在影像編碼上是要選擇與影像間的相關性最大的基底，但是在影像辨識上卻是要選擇最適當的基底。何謂最適當？就是要使所選的基底對不同種類的路標，所產生的相關係數間的差異最大，如此才能利用這些係數所組成的向量來辨識路標。
在設計每種路標的過濾器的步驟裡可以分為同組與不同組路標兩部分，在同組路標的過濾器設計中，所找的基底是要使得同組路標間的相關係數差異最小。但是在不同組路標的過濾器設計中，所找的基底卻是要使得不同組間的相關係數差異最大。
在最後也和一般常用的模版比對法比較一下效率，在模版比對法中，需將路標所有不同的情況都需在線上個別比對，但是在比對搜尋法中，因為所有的狀況都已在設計過濾器時考慮進去，所以只需在線上比對一次既可辨識出路標，故比模版比對法有效率且有彈性。

This paper describes an automatic detecting and recognizing road sign system based on color images. The system consists of two phases. In the detection phase, we find the relative position of road sign in the original distant image by using a priori knowledge, shape and color information, to capture the closer view image. Then we extract the internal content of road sign from a closer view image by using conventional template-matching. In the recognition phase, there are two stages: training and testing. In the training stage, the system finds a set of best matching pursuit filter bases for each road sign. In the testing stage, the system projects the input unknown road sign to different set of the matching pursuit filter bases (corresponding to different road signs) to find the best match.

Abstracti
Chapter 1 Introduction1
Chapter 2 Road Sign Detection6
2.1. The first stage9
2.2. The Second Stage10
2.3. The Third Stage14
Chapter 3 Road Sign Recognition20
3.1. An Overview of Matching Pursuit Filters21
3.1.1. Time-Frequency Atoms22
3.1.2. Matching Pursuit23
3.1.3. Gabor Functions23
3.2. Matching Pursuit Filters Finding in the Training Phase24
3.2.1. How the Sign is Represented24
3.2.2. Intra-Class Training for Matching Pursuit Filter26
3.2.3. Inter- Class Training for Matching Pursuit Filter30
3.3. Using Matching Pursuit Filters for the Identification Phase32
3.4 Comparison with Other Algorithm (Template-Matching)33
Chapter 4 Experimental Results35
4.1 The experiment of detection phase36
4.2 The experiment of recognition phase36
4.3 The performance of our overall system36
Chapter 5 Conclusion45
Reference46

[1]E.D. Dickmanns and B.D. Mysliwetz, Recursive 3-D road and relative ego-state recognition, IEEE Trans. on PAMI, 14 (1992) 199-213.
[2]D,Koller, N. Heonze and H.-H. Nagel, Algorithmic characterization of vehicle trajectory from image sequences by motion verbs, IEEE Conf. Computer Vision and Pattern Recognition, Lahaina, Hawaii, pp. 90-95, 1991.
[3]K.Sakurai,H. Oka, Y. Usshioda and S. Ozawa, Analysis of a road image as seen from a vehicle, Int. Conf. Comp. Vision, pp 651-656, 1987.
[4]B. Besserer, S. Estable and B. Ulmer, Multiple knowledge sources and evidential reasoning for shape recognition, proc. Fourth Int Conf. Comp. Vision, Berlin, Germany, pp. 624-631, 1993.
[5]M. De Saint Blancard, Road sign recognition: a study of vision-based decision making for road environment recognition, in I. Masaki (ed.), Vision-based Vehicle Guidance, Springer-Verlag, Berlin, pp. 162-172, 1992.
[6]G. Piccioli, E. DeMicheli, P. Parodi, M. Campani, Robust method for road sign detection and recognition, Image and Vision Computing Vol. 14, pp. 209-223, 1996.
[7]R. Janssen, W. Ritter, F. Stein and S, Ott, Hybrid approach for traffic sign recognition, Proc. Intelligent Vehicle Symposium, Tokyo, Japan, pp. 390-395, 1993.
[8]L. Priese, V. Rehrmann, R. Schian and R. Lakmann, Traffic sign recognition based on color image evaluation, proc. Intelligent Vehicles Symposium, Tokyo, Japan, pp. 95-100,1993.
[9]B. Mertsching, H. Austermeier, U. Buker and G. Hartmann, Interpretation of traffic scenes using a hierarchical data structure, proc. Intelligent Vehicle Symposium, pp. 163-168,1993.
[10] S. Masciangelo, 3-D cues from a single view: detection of elliptical arcs and model based perspective backprojection, proc. Br. Machine Vision Conf. ’90, Oxford, UK, pp.223-228, 1990.
[11] P. Jonathon Phillips, Matching Pursuit Filers Applied to Face Identification, IEEE Trans. Vol. 7, No. 8, August 1998.
[12] S. Mallat and Z. Zhang, Matching pursuit with time-frequency dictionaries, IEEE Trans. Signal Proce