Computer herkent afwijkende verkeersborden

De verschillen tussen de kinderen op het pas-op-overstekende-kinderenverkeersbord zijn groot in Europa. Zo huppelen de kinderen in het ene land naar links en in het andere naar rechts. Verder hebben ze in sommige landen wel een tas bij zich en in andere niet. ,,Er is een internationale overeenkomst over hoe verkeersborden er uit moeten zien, maar die werkt niet echt goed”, vertelt Pavel Paclík, gastonderzoeker bij de sectie patroonherkenning. Paclík ontwikkelde samen met Tsjechische collega’s een computerprogramma voor de herkenning van verkeersborden dat met deze verschillen om kan gaan.

Het programma vergelijkt losse kenmerken van de borden en vergelijkt dus niet het gehele verkeersbord in één keer met plaatjes van verkeersborden in een database. Zo berekent het computerprogramma waar het zwaartepunt zou liggen als de zwarte tekening, het pictogram, op het bord van metaal zou zijn. Met allerlei van dit soort trucjes kan het programma spelende kinderen van een ander symbool, zoals een pijl, onderscheiden. Hoe de kinderen er precies uitzien maakt dan niet zoveel uit, als de berekende waardes, zoals het zwaartepunt, maar in de buurt liggen van die van hetzelfde type bord in een ander land.

Paclík deelde de verkeersborden in een aantal categorieën in, zoals snelheidslimieten of borden bij een voorrangsweg. Op basis van de gedetecteerde kleurencombinatie en het percentage van elke kleur wordt het bord al in een van die categorieën ingedeeld, bijvoorbeeld: borden met veel rood zijn waarschuwingsborden.

De herkenning van de pictogrammen wordt makkelijker doordat de borden eerst op kleur in categorieën worden ingedeeld. Per categorie zijn er namelijk maar een beperkt aantal plaatjes die van elkaar onderscheiden moeten worden. En als het pictogram niet herkenbaar is, omdat het verkeersbord nog te ver weg is of heel klein is uitgevoerd, kan Paclíks programma toch het type verkeersbord herkennen en dit aan het driver support system van toekomstige auto’s doorgeven.

Het algoritme is gebaseerd op dezelfde principes als neurale netwerken. Je moet het systeem, een Laplace kernel classifier, eerst leren welke combinatie van kenmerken bij welk verkeersbord horen.

,,Onze aanpak blijkt heel robuust”, zegt Paclík. Als een hoek van een driehoekig verkeersbord verdwenen is of het bord staat een beetje scheef, beïnvloedt dat de herkenning niet.

De verschillen tussen de kinderen op het pas-op-overstekende-kinderenverkeersbord zijn groot in Europa. Zo huppelen de kinderen in het ene land naar links en in het andere naar rechts. Verder hebben ze in sommige landen wel een tas bij zich en in andere niet. ,,Er is een internationale overeenkomst over hoe verkeersborden er uit moeten zien, maar die werkt niet echt goed”, vertelt Pavel Paclík, gastonderzoeker bij de sectie patroonherkenning. Paclík ontwikkelde samen met Tsjechische collega’s een computerprogramma voor de herkenning van verkeersborden dat met deze verschillen om kan gaan.

Het programma vergelijkt losse kenmerken van de borden en vergelijkt dus niet het gehele verkeersbord in één keer met plaatjes van verkeersborden in een database. Zo berekent het computerprogramma waar het zwaartepunt zou liggen als de zwarte tekening, het pictogram, op het bord van metaal zou zijn. Met allerlei van dit soort trucjes kan het programma spelende kinderen van een ander symbool, zoals een pijl, onderscheiden. Hoe de kinderen er precies uitzien maakt dan niet zoveel uit, als de berekende waardes, zoals het zwaartepunt, maar in de buurt liggen van die van hetzelfde type bord in een ander land.

Paclík deelde de verkeersborden in een aantal categorieën in, zoals snelheidslimieten of borden bij een voorrangsweg. Op basis van de gedetecteerde kleurencombinatie en het percentage van elke kleur wordt het bord al in een van die categorieën ingedeeld, bijvoorbeeld: borden met veel rood zijn waarschuwingsborden.

De herkenning van de pictogrammen wordt makkelijker doordat de borden eerst op kleur in categorieën worden ingedeeld. Per categorie zijn er namelijk maar een beperkt aantal plaatjes die van elkaar onderscheiden moeten worden. En als het pictogram niet herkenbaar is, omdat het verkeersbord nog te ver weg is of heel klein is uitgevoerd, kan Paclíks programma toch het type verkeersbord herkennen en dit aan het driver support system van toekomstige auto’s doorgeven.

Het algoritme is gebaseerd op dezelfde principes als neurale netwerken. Je moet het systeem, een Laplace kernel classifier, eerst leren welke combinatie van kenmerken bij welk verkeersbord horen.

,,Onze aanpak blijkt heel robuust”, zegt Paclík. Als een hoek van een driehoekig verkeersbord verdwenen is of het bord staat een beetje scheef, beïnvloedt dat de herkenning niet.