Journal of the Institute of Electronics and Information Engineers (전자공학회논문지)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지
DOI QR코드

DOI QR Code

Traffic Lights Detection Based on Visual Attention and Spot-Lights Regions Detection

시각적 주의 및 Spot-Lights 영역 검출 기반의 교통신호등 검출 방안

  • Kim, JongBae (Department of Information and telecommunications, Seoul Digital University)
  • 김종배 (서울디지털대학교 컴퓨터정보통신학과)
  • Received : 2014.04.25
  • Accepted : 2014.05.24
  • Published : 2014.06.25
Download PDF
⟨ Previous Next ⟩

Abstract

In this paper, we propose a traffic lights detection method using visual attention and spot-lights detection. To detect traffic lights in city streets at day and night time, the proposed method is used the structural form of a traffic lights such as colors, intensity, shape, textures. In general, traffic lights are installed at a position to increase the visibility of the drivers. The proposed method detects the candidate traffic lights regions using the top-down visual saliency model and spot-lights detect models. The visual saliency and spot-lights regions are positions of its difference from the neighboring locations in multiple features and multiple scales. For detecting traffic lights, by not using a color thresholding method, the proposed method can be applied to urban environments of variety changes in illumination and night times.

근래에 고령운전자의 증가와 다양한 차량용 멀티미디어 기기의 등장으로 운전 중 운전자의 시각적 주의 결핍 및 분산되어 교통신호등 오인식으로 인해 교통사고가 증가하고 있는 상황이다. 이를 보완하기 위해 일반적인 교통신호등 검출연구들은 색상 임계치, 템플릿 매칭, 학습기 기반 등의 방안이 제시 되었으나 색상 임계치의 경우 시내 도로와 같이 복잡한 배경과 주위 환경변화에 강인하지 못하고, 야간 시간대의 경우 템플릿 및 학습기 기반의 검출방안의 경우 그 인식도가 떨어지는 문제점이 존재한다. 따라서 제안한 방안에서는 교통신호등의 구조적인 형태 정보(모양, 밝기, 대비, 색상 등)을 기반 한 시각적 주의 영역과 spot-lights 영역 검출을 통해 복잡한 시내 도로 환경에서 교통신호등을 검출하는 방안을 제안한다. 교통신호등은 운전자의 시인성을 높일 수 있는 위치에 설치되고 또한 구조적인 고유한 형태와 색상을 지니고 있는 특징들을 이용하여 교통신호등을 검출한다. 제안한 방안에서는 입력된 칼라영상에서 특징정보들 간의 다차원 가우시안 파라미드 영상들을 생성하고 각 영상들 간의 대비차이 계산하여 현저하게 두드러진 영역들을 검출하고, 밝기 영상에서 주위 영역과 현저하게 밝은 spot-lights 영역들을 검출한다. 그리고 검출된 두 영역들의 모양과 색상 분석을 통해 교통신호등을 검출한다. 제안한 방법을 다양한 시간대와 시내 도로에서 실험한 결과, 교통신호등 검출률은 83.2%이고 프레임 당 처리 시간은 0.68초이다. 이것을 통해 사후판독 기능이 차량 영상기록장치에 결합한 안전운전 지원시스템으로 제안한 방안이 유용하게 적용될 수 있음을 알 수 있다.

Keywords

References

  1. S. C. Kang, "Analysis of characteristics of older driver traffic accident prevention measures", Road Transport Corporation _General Insurance, vol.2013_January, pp.38-53, 2013.
  2. J. B. Kim, J. W. Jang, "A method of traffic lights detection using visual salience models and spotlight detection", Proceedings of IEEK, pp.170-171, 2013.
  3. J. B. Kim, J. W. Jang, "A study on detection method of traffic lights using Spotlights and MSER regions detection", Proceedings of KIPS, pp.1709-1712, 2013.
  4. J. B. Kim, "Visual Saliency Model Based ROI Detection", Proceedings of IEEK Summer 2011, pp.2557-2560, 2011.
  5. J. B. Kim, "Detection of ROIs using the bottom-up saliency model for selective visual attention", Proceedings of KIPS Fall 2011, pp.314-317, 2011.
  6. J. B. Kim, "Detection of Visual Attended Regions in Road Images for Assisting Safety Driving", Journal of the Institute of Electronics Engineers of Korea, Vol.49SC, No.1, pp.84-92, 2012.
  7. M. Benallal and J. Meunier, "Real-time color segmentation of road signs", Int. IEEE conf. on Canadian Conference, vol.3, pp.1823-1826, 2003.
  8. S. Varun, S. Singh, R. S. Kunte, R. D. S. Samuel, and B. Philip, "A road traffic signal recognition system based on template matching employing tree classifier", Int. IEEE conf. on Computational Intelligence and Multimedia Applications, pp.360-365. 2007.
  9. W. J. Kuo and C. C. Lin, "Two-stage road sign detection and recognition", International IEEE Conference on Multimedia and Expo, pp.1427-1430, 2007.
  10. T. H, Hwang, I, H, Joo, S. I Cho, "Detection of Traffic Lights for Vision-Based CarNavigation System", Lecture Notes in Computer Science, vol.4319, pp.682-691, 2006.
  11. Jai. Li, "An efficient night traffic light recognition method", Journal of information & computational science, vol.10, no.9, pp.2773-2781, 2013. https://doi.org/10.12733/jics20101841
  12. M. D. Cabrera, P. Cerri, J. S. Median, "Suspended traffic lights detection and distance estimation using color features", Int. IEEE conf. on ITS., pp.1315-1320, 2012.
  13. J. Jeong, D. W. Rho, "Real time detection and recognition of traffic lights using component subtraction and detection masks", Journal of the Institute of Electronics Engineers of Korea, Vol.43SP, No.2, pp.65-72, 2006.
  14. X. Gao, L. Podladchikova, D. Shaposhnikov, K. Hong, and N. Shevtsova, "Recognition of traffic signs based on their colour and shape features extracted using human vision models", Journal of VCIR., vol.17, no.4, pp.675-685, 2006.
  15. C. Y. Fang, S. W. Chen, and C. S. Fuh, "Road-sign detection and tracking," vol.52, no.5, pp.1329-1341, 2003. https://doi.org/10.1109/TVT.2003.810999
  16. K. H. Lu, C. N, Wang, S. Y. Chen, "Traffic light recognition", Journal of the chinese institute of engineers, vol.31, no,6, pp.1069-1075, 2008. https://doi.org/10.1080/02533839.2008.9671460
  17. C. C. chiang, M. C. Ho, H. S. Liao, "detection and recognizing traffic lights by genetic approximate ellipse detection and spatial texture layouts", International Journal of Innovative Computing, Information and Control, vol.7, no.12, pp.6919-6934, 2011.
  18. M. Omachi and S. Omachi, "Traffic light detection with color and edge information", Int. IEEE conf. on Computer Science and Information Technology, pp. 284-287, 2009.
  19. R. de Charette, F. Nashashibi, "Real time visual traffic lights recognition based on Spot Light Detection and adaptive traffic lights templates", Int. IEEE conf. on Intelligent Vehicles Symposium, pp.358-363, 2009.
  20. H. K. Kim, Y. N. Shin, S. G. Kuk, J. H. park, H. Y. Jung, "Night-time traffic lights detection based on SVM with geometric moments features", Int. conf., world academy of sicence, engineering and technology, vol.7, pp.454-457, 2013.
  21. http://www.mathworks.co.kr/kr/help/images/ref/imhmax.html
  22. L. Itti, C. Koch and E. Niebur, "A model of saliency-based visual attention for rapid scene analysis", IEEE trans. on PAMI., vol.20, no.1, pp.1254-1259, 1998. https://doi.org/10.1109/34.730558
  23. Jai Li, Wen Gao, Visual Saliency Computation: A machine learning perspective, LNCS 8408, 2014.
  24. N. Otsu, "A Threshold Selection Method from Gray-Level Histograms," IEEE Transactions on Systems, Man, and Cybernetics, Vol. 9, No. 1, pp. 62-66, 1979. https://doi.org/10.1109/TSMC.1979.4310076
  25. R. C. Gonzales and R. E. Wood, Digital image processing, Prentice Hall, 2001.

Cited by

  1. Real Time Traffic Signal Recognition Using HSI and YCbCr Color Models and Adaboost Algorithm vol.24, pp.2, 2016, https://doi.org/10.7467/KSAE.2016.24.2.214
  2. Automatic Vehicle License Plate Extraction Using Region-Based Convolutional Neural Networks and Morphological Operations vol.11, pp.7, 2019, https://doi.org/10.3390/sym11070882