Yol hız limiti tabelalarının derin öğrenme kullanarak gerçek zamanlı tespiti

Gelişen teknoloji ile birlikte otomotiv endüstrisi de büyük bir gelişme göstermiştir. Otomobillerde gün geçtikçe daha çok elektronik sistem sürüş konforu ve sürüş güvenliğini arttırmak amacıyla kullanılmaya başlanmıştır. ADAS (advanced driving assistance systems–gelişmiş sürücü destek sistemleri) sürücünün görevlerinin bazılarını devralarak üzerindeki yükü azaltmak ve daha güvenli ve konforlu sürüş sağlamayı amaçlayan sistemlerdir. Bu gelişmiş sistemlerden bir tanesi de yol hız limitlerinin belirlenmesi için kullanılan sistemlerdir. Yol hız limiti tabelalarının belirlenmesi temel olarak trafik tabelalarının tanınması probleminin bir alt kümesidir. Trafik tabelalarının tanınması iki temel işlemden oluşur. Öncelikle görüntü içerisinde trafik işaret tabelasının olduğunun tespiti, daha sonra bu tespit edilen işaretin sınıflandırılması yapılır. Tespit aşaması renk ve şekil analizine dayalı yöntemler kullanırken, sınıflandırma aşaması ise şablon eşleştirme, şekil bilgisi ve makine öğrenmesi tabanlı yöntemler kullanabilmektedir. Bu tez çalışmasında yol hız limitlerinin belirlenmesi için yapay sinir ağları ve derin öğrenmeye dayalı bir uygulama geliştirilmiştir. Eğitim için hali hazırda var olan veri setlerinin yanı sıra hem yeni veriler toplayarak hem de veri seti üzerinde sentetik veri arttırma işlemleri uygulanarak amaca uygun daha gelişmiş bir veri seti elde edilmiştir. Ayrıca sistem başarısını arttırmak için ilgi alanı belirlemeye dayalı teknikler uygulanmıştır. Tüm bunlar ile sistem başarı oranı iyileştirilmiş ve yol üzerindeki hız limiti tabelalarının gerçek zamanlı olarak tespit edilip yoldaki hız limitinin belirlenmesi sağlanmıştır.

With the developing technology, the automotive industry has also shown great development. More and more electronic systems have been used in automobiles to increase driving comfort and driving safety. ADAS (advanced driving assistance systems) are systems that aim to reduce the burden on the driver by taking over some of his duties and to provide safer and more comfortable driving. One of these advanced systems is the systems used to determine road speed limits. Determining road speed limit signs is basically a subset of the problem of recognizing traffic signs. Recognizing traffic signs consists of two basic operations. First, determining that there is a traffic sign in the picture, then classifying this detected sign. While the detection stage uses methods based on color and shape analysis, the classification stage can use methods based on template matching, shape information and machine learning. In this thesis, an application based on artificial neural networks and deep learning has been developed to determine road speed limits. In addition to the existing data sets for training, a more advanced data set suitable for the purpose has been obtained by both collecting new data and applying synthetic data augmentation operations on the data set. In addition, techniques based on determining the region of interest were applied to increase the system success. With all these, the system success rate was improved and the speed limit signs on the road were detected in real time and the speed limit was determined.