기계학습 기반의 신호등 검출과 형태적 정보를 이용한 인식 알고리즘

Abstract

최근 자율 주행에 관한 다양한 연구가 진행되는 가운데 신호등 검출 및 신호 인식 알고리즘은 가장 중요한 요소 중의 하나이다. 기존에 알고리즘의 대부분은 색상을 기반으로 검출하고 인식한다. 이러한 방법은 영상의 각도, 거리, 주변 조도 환경 등에 의해 영향을 받아 신호등의 색상이 변화하여 인식률이 낮아진다는 단점이 있다. 본 논문에서는 이러한 문제점을 해결하기 위해서 Haar-like feature 및 SVM(Support Vector Machine) 기반의 신호등 검출과 제원 정보를 이용한 인식 알고리즘을 제안한다. 신호등 검출의 정확성을 향상시키기 위해서 Haar-like feature 이후에 SVM으로 검증한다. Haar-like feature와 SVM는 사전에 지도학습을 시행한다. 검출 과정 후에는 영역 분할을 통해서 신호만을 추출하여 점등 여부를 파악하고 최종적으로 인식하는 과정을 거친다. 제안한 알고리즘은 기존의 알고리즘과 달리 신호등의 형태학적 특성을 기반으로 검출하고 인식하므로 주변 환경으로부터의 영향에 강인하다는 장점이 있다. 블랙박스 영상으로 실험한 결과 기존의 색상 기반 알고리즘보다 신호의 인식률이 높았다.

The problem of traffic light detection and recognition has recently become one of the most important topics in various researches on autonomous driving. Most algorithms are based on colors to detect and recognize traffic light signals. These methods have disadvantage in that the recognition rate is lowered due to the change of the color of the traffic light, the influence of the angle, distance, and surrounding illumination environment of the image. In this paper, we propose machine learning based detection and recognition algorithm using shape information to solve these problems. Unlike the existing algorithms, the proposed algorithm detects and recognizes the traffic signals based on the morphological characteristics of the traffic lights, which is advantageous in that it is robust against the influence from the surrounding environments. Experimental results show that the recognition rate of the signal is higher than those of other color-based algorithms.