Обучения гурин Владислав Игоревич

Keywords
: technical vision; machine learning; Viola - Jones method; convolutional neural 
network; image processing.
Для цитирования:
Гурин, В. И. Обнаружение и распознавание знаков дорожного движения с исполь
-
зованием методов технического зрения и машинного обучения / В. И. Гурин. – Текст : элекстронный // 
Наука без границ. – 2020. – № 5 (45). – С. 75-82. – URL: https://nauka-bez-granic.ru/№-5-45-2020/5-45-2020/
For citation
: 
Gurin V.I. Traffic sign detection and recognition with methods of computer vision and machine 
learning // Scince without borders, 2020, no. 5 (45), pp. 75-82.
Введение
В настоящее время автомобильная 
индустрия претерпевает существен
-
ные изменения благодаря прогрессу в 
сфере информационных технологий и 
развитию техники. Одной из наиболее 

---

НАУКА БЕЗ ГРАНИЦ • № 5(45) 2020
тЕХНИчЕсКИЕ НАУКИ
76
актуальных задач является создание 
беспилотных транспортных средств. 
Ключевая 
система 
беспилотного 
транспортного средства – это его ав
-
топилот. Автопилот – это программ
-
но-аппаратный комплекс, позволя
-
ющий осуществлять перемещение 
транспортного средства по заданной 
траектории. Автопилот успешно при
-
меняется в летательных аппаратах, так 
как в воздушном пространстве почти 
нет препятствий на пути. Также его 
применение популярно в транспорт
-
ных средствах, движущихся по рель
-
сам.
Актуальность системы автоматиче
-
ского распознавания дорожных зна
-
ков обуславливается повышением без
-
опасности процесса вождения. Она 
призвана уведомлять водителя о нали
-
чии дорожных знаков на дороге. Си
-
стема может помочь придерживаться 
установленного скоростного ограниче
-
ния, соблюдать ограничения на про
-
езд, обгон и так далее.
Объектом исследования является 
модуль распознавания знаков дорож
-
ного движения, который будет решать 
задачи обнаружения и распознавания 
знаков дорожного движения на кадре 
видеопотока.
Предмет исследования – алгоритм 
распознавания знаков дорожного дви
-
жения. Он состоит из трех шагов:
• предобработка изображения 
(устранение шумов и контрастное вы
-
равнивание),
• локализация дорожного знака с 
помощью метода Виолы-Джонса,
• классификация знака с помощью 
методов машинного обучения.
В работе проведено сравнение точ
-
ности работы трех методов классифи
-
кации: метода ближайших соседей, 
метода опорных векторов и классифи
-
кации с помощью сверточной нейрон
-
ной сети.