i

Trafik Levhası Belirleme ve Tanımlanması

Ersin Demir

LİSANS TEZİ

Bilgisayar Mühendisliği Bölümü

21.01.2011

ii

Traffic Sign Detection and Recognition

Ersin Demir

SCIENCE THESIS

Department of Computer Enginnering

21.01.2011

iii

Trafik Levhası Belirleme ve Tanımlanması

Ersin Demir

Eskişehir Osmangazi Üniversitesi

Mühendislik Mimarlık Fakültesi

Lisans Yönetmeliği Uyarınca

Bilgisayar Mühendisliği Bölümü

LİSANS TEZİ

Olarak Hazırlanmıştır

Danışman: Yrd. Doç. Dr. Kemal Özkan

21.01.2011

iv

ONAY

Eskişehir Osmangazi Üniversitesi Mühendislik Mimarlık Fakültesi Bilgisayar

Mühendisliği Lisans öğrencisi Ersin Demir‟in LİSANS tezi olarak hazırladığı “Pattern

Recognition S&D” başlıklı bu çalışma, jürimizce lisans yönetmeliğin ilgili maddeleri

uyarınca değerlendirilerek kabul edilmiştir.

Danışman : Yrd. Doç. Dr. Kemal ÖZKAN

İkinci Danışman : -

Lisans Tez Savunma Jürisi:

Üye : Yrd. Doç. Dr. Kemal ÖZKAN

Üye : Yrd. Doç. Dr. Selçuk CANBEK

Üye : Yrd. Doç. Dr. Metin ÖZKAN

Bilgisayar Mühendisliği Yönetim Kurulu‟nun ............................. tarih ve

........................ sayılı kararıyla onaylanmıştır.

Yrd.Doç.Dr. Nihat ADAR

Bölüm Başkanı

v

ÖZET

Görüntü işleme tabanlı teknoloji günümüz koşullarıyla gün geçtikçe gelişmektedir.

Trafik levhaları tanımlama sistemi de görüntü işleme ile geliştirilen bir uygulamadır. Trafik

levhası belirleme ve tanıma sistemi kullanıcının görsel olarak kolaylık ve yardım

sağlamaktadır. Günümüz teknolojisinde bu sistemler tam anlamıyla gerçek zamanlı

geliştirilmemiştir; ancak gelişmeye açık ve üzerinde çalışılmaya devam edilen bir

teknolojidir.

Tez çalışmasında trafik levhaları belirleme ve tanımlama sisteminde; HSV-RGB renk

uzayına dönüştürme, renk maskeleme, kırmızı renk bileşenlerini eşikleme, Hough Circle

Transform, üçgen şekil tanımlama ,dikdörtgen(kare) şekil tanımlama yöntemlerini

kullanılacaktır. Üçgen ve dikdörtgen tanımlama yöntemleri tam anlamıyla

geliştirilmediğinden üzerinde çalışmalar yapılacaktır.

Tez araştırması ile üçgen ve dikdörtgen tanımlama için gerekli algoritmalar ve trafik

levha tanımlamasını geliştirilmesi üzerine çözümlemeler yapılacaktır.

vi

SUMMARY

Image processing based technology develops by using today's circumstances. System

of Recognizing Traffic signboard is also application which developed by image processing.

Capturing and recognizing traffic sing board system makes visual easiness and helps to users.

In today's technology, these systems actually is not developed at run-time, but it is still open

to develop and keep going on to work on this subject.

In this work, for system of capturing and recognizing of traffic, some methods will be

used such as signboard; HSV-RGB color space converting, color masking, red color

components thresholding, Hough Circle Transform, definition of triangle shapes, definition

of square shapes. Although definition of triangle and square is not be developed well , so

mainly will work on this subject.

By this thesis, necessary algorithms and solutions will be done to develop definition

traffic signboard for definition of triangle and square .

vii

TEŞEKKÜR

Tez çalışmalarımda bana danışmanlık ederek, bana göstermiş olduğu özveriye ve her

türlü yardımı sağlayan Yrd Doç Dr Kemal Özkan „a çok teşekkür ederim.

viii

İÇİNDEKİLER

Sayfa

ÖZET ..................................................................................................................................... v

SUMMARY ..........................................................................................................................vi

TEŞEKKÜR ........................................................................................................................ vii

İÇİNDEKİLER .................................................................................................................. viii

ŞEKİLLER ............................................................................................................................ix

GİRİŞ ..................................................................................................................................... 1

1.1 Trafik İşaretleri ....................................................................................................................1

GELİŞTİRİLEN UYGULAMALAR ...................................................................................... 3

2.1. Literatürdeki Yeri ve Geliştirilen Uygulamalar ...........................................................................3

2.2. RGB Renk Uzayını HSV Renk Uzayına Dönüştürme ....................................................................3

2.3. Hough Daire Dönüşümü (Hough Circle Transform) ...................................................................5

2.4. Üçgen Cisimlerin Belirlenmesi ..................................................................................................7

ÖNERİLER .......................................................................................................................... 11

3.1.Uygulamanın Eksik Kısımları .................................................................................................... 11

KAYNAKLAR DİZİNİ ........................................................................................................ 12

ix

ŞEKİLLER

Sayfa

Şekil 1.1...................................................................................................................................................2

Şekil 1.2 ............................................................................................................................. .....................2

Şekil 1.3...................................................................................................................................................2

Şekil 1.4...................................................................................................................................................2

Şekil 1.5...................................................................................................................................................2

Şekil 2.1...................................................................................................................................................4

Şekil 2.2...................................................................................................................................................5

Şekil 2.3...................................................................................................................................................6

Şekil 2.4 ..................................................................................................................................................7

Şekil 2.5...................................................................................................................................................7

Şekil 2.6...................................................................................................................................................8

Şekil 2.7...................................................................................................................................................9

Şekil 2.8...................................................................................................................................................9

Şekil 2.9..................................................................................................................................................10

1

BÖLÜM 1

GİRİŞ

Hızla artan nüfusa paralel olarak araçlarda ki hızlı artışta görülmektedir. Araçların

artması ile sürücülerin daha rahatlığını ve güvenliğini sağlamak için yolların sayısı ve trafik

işaretleri de artmakdır. Yollarda bulunan trafik işaretlerinin sayısının artması ile sürücülerin

tüm trafik işaretlerini algılamaya çalışırken sürücünün dikkatinin dağılmasına ve sürüş

emniyetinin azalmasına sebep olmaktadır. Sürücülerin dikkatlerinin dağılmasını önlemek,

sürücülere daha rahat bir sürüş sağlamak için günümüzde otomatik olarak trafik işaretlerini

tanıyan sistemlerin geliştirilmesine önem verilmektedir.

Görüntü işleme metodlarıyla buna paralel olarak gelişen görsel teknoloji ile birlikte

otomotiv firmaları yeni araçlarına yol güvenliğini artırmak için yeni sistemler eklemeye

başladılar. Bunlara en yaygın olarak kullanılan yol çizgilerini takip etme, öndeki araç

mesafesini takip etme gibi görsel teknolojiyi kullanan yeni sistemler geliştirilmektedir. BMW,

Mercedes ve Opel firmalarında trafik işaretlerini tanıyan sistemler müşterilere opsiyonel

olarak sunulmaktadır.1

Günümüzde trafik levhalarını tanıyan sistemler, yol üzerinde hız limitlerini gösteren

levhaları tanıyarak, sürüclere hız limitleriyle ilgili uyarılar vermektedir. Bu nedenle kullanılan

tüm trafik levhalarının tanımlanmasının geliştirilmesine gereksinim duyulmaktadır.

1.1 Trafik İşaretleri

Trafik işaretleri ülkeler arasında farklılık göstermesi sürücülerin birçok trafik işaretini

öğrenmesine neden olmaktaydı. Bu sorunu çözmek için Trafik İşaretleri ve Sinyalleri

konferansı (Vienna Convertion on Road Signs and Signals) ile trafik güvenliğini artırmak ve

sürücülere kolaylık sağlamak için trafik işaretleri standartları belirlenmiştir. Birçok ülke

Viyena Trafik İşaretleri ve Sinyalleri konferasında yayınlanan bildiriye uymakla beraber, bazı

ülkelerde trafik işaretleri farklılıklar göstermektedir. İngiltere, Almanya , Fransa, İtalya ve

İspanya gibi ülkelerde bazı trafik levhalarında değişiklikler gözlenmektedir.2

Ülkemizde Trafik İşaretleri Hakkında Yönetmelik 1985 yılında Bayındırlık ve İskan

Bakanlığı tarafından belirlenmiştir. Böylece trafik işaretleri niteliklerine göre 5 katogoriye

1 Ahmet Gürbüz, “Otomatik Trafik İşareti Tanıma” Yüksek Lisans Tezi,Mart 2010

2 Ahmet Gürbüz, “Otomatik Trafik İşareti Tanıma” Yüksek Lisans Tezi,Mart 2010

2

ayrılmıştır; tehlike uyarı işaretleri, trafik tanzim işaretleri, bilgi işaretleri, otoyol işaretleri,

duraklama ve parketme işaretleri.

1) 2) 3)

Şekil 1.1 Tehlike Uyarı İşaretleri: 1)Kasisli yol, 2)Sola tehlikeli viraj, 3)Yol çalışması

3.

1) 2) 3)

Şekil 1.2 Trafik Tanzim İşaretleri: 1)Ana yola girerken dur, 2)Taşıt giremez, 3 )Öndeki taşıtı geçme.

1) 2) 3)

Şekil 1.3 Bilgi İşaretleri: 1) Tek yön , 2) Girişi olmayan yol kavşağı, 3)Hastane.

1) 2) 3)

Şekil 1.4 Otoyol işaretleri : 1) Otoyol başlangıç, 2) Otoyol band değiştirme, 3) Otoyol çıkış .

1) 2) 3)

Şekil 1.5 Duraklama ve Park İşaretleri : 1) Park yeri, 2)Haftanın tek günleri park yasak, 3)Park etmek ve duraklamak yasak.

3 http://www.ayazagasurucukursu.net/trafik_levhalari.html

3

BÖLÜM 2

GELİŞTİRİLEN UYGULAMALAR

2.1. Literatürdeki Yeri ve Geliştirilen Uygulamalar

Daire ve üçgen trafik levhalarını görüntü üzerinde belirlemek için uygulanması gereken

işlemler sıralanmıştır;

HSV-RGB renk uzayı ve eşikleme işlemi yapılarak görüntüdeki kırmızı

renklerin ayırt edilmesi sağlanacaktır.

Hough Daire Dönüşümü (Hough Circle Transform) ile RGB renk uzayında

eşiklenmiş görüntüde daire biçimindeki cisimler aranacaktır.(Daire levhalar )

Üçgen cisim belirleme işlemiyle RGB renk uzayında eşiklenmiş görüntüde

üçgen cisimler aranacaktır. (üçgen levhalar)4

2.2. RGB Renk Uzayını HSV Renk Uzayına Dönüştürme

RGB renk uzayı ışığı temel alarak, doğadaki tüm renklerin kodları bu üç temel renge

referansla belirtilir. Her renk %100 oranında karıştırıldığında beyaz ve %0 oranında

karıştırıldığındaysa siyah elde edilir. Bu uzayda, ana renkler olan kırmızı, mavi ve yeşil

belirtilmediği için, bu ana renklerin tanımı değiştikçe, tüm renkler değişir.

HSV (Hue, Saturation, Value) veya HSB (Hue, Saturation, Brightness) renk uzayı,

renkleri sırasıyla renk özü, doygunluk ve parlaklık olarak tanımlar. Renk özü, rengin baskın

dalga uzunluğunu belirler, örneğin sarı, mavi, yeşil, vb. açısal bir değerdir. 0° - 360°, bazı

uygulamalarda ise 0-100 arası olağanlaştırılır. Doygunluk ise rengin canlılığını belirler.

Yüksek doygunluk canlı renklere neden olurken, düşük olasılık rengin gri tonlarına

yaklaşmasına neden olur ve 0-100 arasında değişir. Parlaklık ise rengin aydınlığını yani

içindeki beyaz oranını belirler. 0-100 arasında değişir.5

RGB renk uzayında ki bir resmi HSV renk uzayına dönüştürdüğümüzde çevre

koşullardan kaynaklanan gürültü, parlaklık gibi sorunları ortadan kaldırmış veya azaltmış

oluruz.

Trafik işaretlerinin çerçevelerinin kırmızı renklerden oluştuğundan RGB‟den HSV ye

4 Hassan Shojania, “Real-time Traffic Sign Detection”,2006

5 http://tr.wikipedia.org

4

renk uzayı dönüşümü ve belli bir eşik (Threshold) değerinin üzerinde değerleri elde edersek

trafik levhalarının kırmızı renkli olan kısımlarını elde etmiş oluruz. Eşikleme işlemi sayesinde

resimde trafik işaretinin aranması gereken yerleri azaltılmış olunur.6

H ∈ {0,360},S,V,R,G,B ∈{0,1}

MAX= max{ R,G,B}, MIN=min{ R,G,B}

S= 0 eğer MAX=0 ise ;

S= 1-MAX

MINeğer değilse;

V=MAX

Formülasyonuyla RGB renk uazyı HSV renk uzayına dönüştürülür.

Şekil 2.1 RGB renk uzayını HSV renk uzayına dönüştürülecek orjinal görüntü.

Şekil 2.2‟ de bulunan kırmızı üçgen renkli levha RGB renk uzayındna HSV renk

uzayına dönüşümü yapılarak belirli bir eşik değerinin üzerindeki değerler elde edilmiştir.

6 Yangxing Liu, Satoshi Goto ve Takeshi Ikenaga “An MRF Model Based Algorithm of Triangular

Shape Object Detection in Color Images” Ağustos 23-26, 2005.

5

Şekil 2.2 HSV renk uzayına dönüşümü ve eşik değerinin alınmış görüntüsü.

2.3. Hough Daire Dönüşümü (Hough Circle Transform)

Hough Daire Dönüşümü(Hough Circle Transform), daire şeklindeki trafik levhalarını

bulmak için kullanılmıştır. Hough daire dönüşümü ile daire şeklindeki cisimler hızlı bir

algoritma ile elde edilmektedir.

Hough dönüşümü temelde kenarların olası geometrik şekilleri oylaması mantığı ile

çalışmaktadır. Hough dönüşümü kullanılarak şekil tespiti genel olarak aşağıdaki adımlar ile

özetlenebilir:

Kaynak görüntü üzerinde kenarlar belirlenir.

Bir eşikleme yöntemi kullanılarak görüntü ikili (siyah-beyaz) hale getirilir.

Her kenar pikseli için noktanın üzerinde olabileceği olası geometrik şekillerin

polar koordinattaki değerleri kullanılan bir akümülatör matrisi üzerinde birer artırılarak her

kenar pikselin olası şekilleri oylaması sağlanmış olur.

Akümülatör değeri en yüksek olan şekiller en çok oy alan şekiller

olduklarından görüntü üzerinde bulunma veya belirgin olma olasılıkları en yüksek olmaktadır.

Uygulamamızda kaynak görüntüler üzerinde dairesel şekil arandığından kullanılan

akümülatör matrisi çemberin merkezi olan [a,b] noktaları ve yarıçap değeri [r] olmak üzere üç

boyuttan oluşmaktadır. Belirlenen aralıktaki yarıçap değerleri için çember merkezi çember

denkleminden faydalanılarak bulunabilir.

r2 = ( x – a )

2 + ( y – b )

2

x = a + r*sin(θ)

y = b + r*cos(θ)

6

Kullanılan açı değeri 0 – 2π aralığında değiştirilerek bir noktanın, yarıçapı bilinen bir

çember üzerinde yer alıp almadığı tespit edilebilmektedir. Yarıçap değerinin bilinmesi

durumunda çember merkezini ifade eden [a,b] değerlerinin iki boyutlu bir akümülatör matrisi

üzerinde tutulması yeterli olacaktır. Yarıçap değerinin bilinmemesi veya bir aralık halinde

olması durumunda ise olası yarıçap değerleri bir döngü içerisinde denenerek merkez

koordinatları ve yarıçap uzunluğu boyutlarına (a,b,r) karşılık gelen akümülatör değerleri

artırılarak elde edilen üç boyutlu akümülatör matrisi elde edilebilmektedir.7

Şekil 2.3 Hough Circle Transformu uygulanacak orjinal resim.

Şekil 2.3‟ teki 50 hızlı limitini gösteren daireye Hough Circle Transformu

uygulanarak daire şeklinin yeri belirlenmiştir.Şekil 2.4‟ te Hough Circle Transformu

uygulanarak elde edilmiş sonuç gösterilmektedir.

7 Wojciech Wojcikiewicz ,“Hough TransformLine Detection in Robot Soccer”, 14 Mart 2008

7

Şekil 2.4 Hough Circle Transformu sonucu elde edilen görüntü.

Şekil 2.5‟ te görüntü üzerinde elde edilen sonuç gösterilmiştir.

Şekil 2.5 Hough Circle Transformunun resimdeki görüntüsü.

2.4. Üçgen Cisimlerin Belirlenmesi

Üçgen şeklindeki cisimleri belirleme ile üçgen şeklindeki trafik levhalarının yerlerinin

tespiti sağlanacaktır. Kullanılan algoritmayla sonuca en hızlı biçimde erişilmek

amaçlanmaktadır.

Kenar algılama(Edge Detection) verilen herhangi bir resimdeki kenarları elde etmeye

yarar. Böylelikle resimler içindeki isteğe yönelik nesneler algılanıp gerekli işlemler

yapılabilir. Temelde bir kenar farklı yüzeylerin yan yana gelmesiyle oluşmuştur. Kerneller

8

görüntü içerisinde ışık yoğunluk değişiminin ani olduğu yerleri belirlememize yarar. Kenar

algılama algoritması görüntü işlemede birçok alanda kullanılmaktadır. Trafik levhası

tanımlamada kenar algılama(Edge detection) algoritmasıyla üçgenin çerçeve (kenarları)

kısımları belirlenecektir.8 Kenar algılama dönüşümü uygulanmış görüntüye, üçgenin kenarları

elde edilen görüntüsünü y ekseni üzerinde iz düşümü alındığında küçük pigler ve bir tane

uzun pig elde edilir. Elde edilen küçük pigler düşey konumda ki üçgenin iki kenarından elde

edilen düşey görüntülerdir. Uzun pig ise üçgenin yatay konumda bulunan kenarından elde

edilen iz düşüm görüntüleridir. Şekil 2.6 „ da resmin orjinal görüntüsünün y eksenine göre iz

düşüm görüntüsü bulunmaktadır.

Şekil 2.6 Orjinal görüntünün y eksenine göre iz düşümü.

Üçgen trafik levhaları eşkenar üçgen şeklindedir. Eşkenar üçgenin açıları 60o olup tüm

açıları birbirine eşittir. Görüntüyü 600‟

‟lik açılarla döndürdüğümüzde üçgen levhaların

şekillerinde ve konumlarında bir değişiklik gözlenmemektedir. Elde ettiğimiz üç ayrı

görüntünün ayrı ayrı y eksenine göre iz düşümlerini aldığımızda tüm görüntülerin birbirine

benzer, küçük pigler ve bir tane uzun pig elde edildiği gözlenmiştir. Şekil 2.7‟ de orijinal

görüntü, şekil 2.8 „ de 60o

döndürülmüş, şekil 2.9‟ da 120o döndürülmüş üç farklı

görüntünün y ekseni üzerinde iz düşümleri gösterilmektedir.

8 Jiang-Ping He ve Yan Ma “Triangle Detection Based OnWindowed Hough Transform” 12-15

Temmuz 2009

9

Şekil 2.7 Orjinal görüntünün y ekseni üzerindeki iz düşümü

Şekil 2.8. 60o döndürülmüş görüntünün y ekseni üzerindeki iz düşümü

10

Şekil 2.9 120o döndürülmüş görüntünün y ekseni üzerindeki iz düşümü

Eşkenar üçgenin simetrik x eksenine göre simetrik özelliği bulunmaktadır. Üçgen

cismin x ekseni üzerinde simetrisi alındığında elde edilen değerlerinin belirli bir eksen

üzerinde birbiriyle eşitliği belirlenmiştir. Simetri işlemiyle üçgen şekillerin kenarlarının

birbiriyle bağlantılı olarak kapalı bir üçgen oluşturduğu kontrol edilmiştir.

Sonuçların hata payını azaltmak için orjinal görüntüyü eşit parçalara ayırarak işlemler

tekrarlanmıştır. Birbirinden kopuk halde bulunan ve bir üçgen oluşturabilcek çizgilerin

yarattığı hataların görünmediği gözlenmiştir.

11

BÖLÜM 3

ÖNERİLER

Trafik levhalarını tanımlama sistemlerinde en önemli kısmının trafik işaretinin olduğu

bölgeyi bulabilmektir. Trafik işaretlerinin Trafik işaretinin olduğu bölgeyi tespit ettikten sonra

elde edilen resim databaseden verilerle karşılaştırılabilir.

Trafik levhalarının iki tür özelliği olan şekil ve renkleri üzerinde durularak

uygulamalar geliştirilebilir. Şekil belirlemeden önce yapılacak olan renk belirlemeyle sonuca

erişim daha hızlı sağlanacaktır.

Yapılan çalışmanın eksik yönleri bulunmaktadır. Bunlar aşağıda sırayla belirtilmiştir.

3.1.Uygulamanın Eksik Kısımları

Yeşil ve mavi renkler incelenmeyerek, sadece kırmızı renkli lavhalar üzerinde

durulmuştur.

Kırmızı iki renk cismin birbiriyle birleşmesi durumunda cisimler tek bir cisim

olarak algılanıyor ve levha belirlenemiyor.

Varolan görüntüler üzerinden denemeler yapılarak gerçek zamanlı bir işlem

gerçekleşmemiştir.

Hough dönüşümü kullanılması daha fazla işlem hacmi gerektirmektedir.

12

KAYNAKLAR DİZİNİ

[1] Ahmet Gürbüz, “Otomatik Trafik İşareti Tanıma” Yüksek Lisans Tezi,Mart 2010.

[2] Jiang-Ping He ve Yan Ma “Triangle Detection Based OnWindowed Hough

Transform” 12-15 Temmuz 2009.

[3] Hassan Shojania, “Real-time Traffic Sign Detection”,2006 .

[4] http://www.ayazagasurucukursu.net/trafik_levhalari.html .

[5] http://tr.wikipedia.org .

[6] http://homepages.inf.ed.ac.uk

[7] Tam T. Le, Son T. Tran, Seichii Mita ve Thuc D. Nguyen, “Real Time Traffic Sign

Detection Using Color and Shape-Based Features” 2005.,

[8] Yangxing Liu, Satoshi Goto ve Takeshi Ikenaga “An MRF Model Based Algorithm

of Triangular Shape Object Detection in Color Images” Ağustos 23-26, 2005.

[9] Vavilin Andrey ve Kang Hyun Jo “Automatic Detection and Recognition of Traffic

Signs using Geometric Structure Analysis”, Oct. 18-21, 2006.

[10] Wojciech Wojcikiewicz ,“Hough TransformLine Detection in Robot Soccer”, 14 Mart

2008.