Обучения гурин Владислав Игоревич

Предобработка изображения
Первичная обработка изображения 
позволяет не только повысить каче
-
ство распознавания, но и снизить ко
-
личество вычислений, например, за 
счет преобразования изображения в 
оттенки серого [2]. Преобразование 
изображений в градации серого сни
-
жает объем обрабатываемых данных, 
сохраняя информацию о яркости и 
уменьшая нежелательные детали.
Изображения, снятые в естествен
-
ных условиях, часто загрязнены и тре
-
буют предварительного удаления шу
-
мов. Для удаления высокочастотного 
шума применяется медианная филь
-
трация и Гауссово размытие.
В процессе медианной фильтрации 
значение яркости текущего пикселя 
заменяется на значение медианы яр
-
костей всех элементов его окрестности. 
Медианные фильтры хорошо рабо
-
тают для некоторых видов случайных 
шумов и влекут за собой совсем не
-
большой эффект расфокусировки по 
сравнению с линейными сглажива
-
ющими фильтрами со схожими раз
-
мерами. Также медианные фильтры 
показывают хороший результат при 
фильтрации импульсных шумов.
Локализация объекта на изобра-
жении методом Виолы–Джонса
Существующие методы решения 
задачи локализации можно разделить 
на три категории:
• опирающиеся на цветовые при
-
знаки объекта;
• опирающиеся на форму объекта;
• основанные на машинном обуче
-
нии.
Методы, опирающиеся на цветовые 
признаки и на формы объектов, будут 
работать плохо для обнаружения зна
-

---

TECHNICAL SCIENCES
SCIENCE WITHOUT BORDERS NO. 5(45) 2020
77
ков дорожного движения в реальных 
условиях, так как объект на изображе
-
нии может находиться не под прямым 
углом, повернут вокруг своей оси, цве
-
та картинки могут быть искажены или 
знак будет частично перекрываться 
другим объектом. По этим причинам 
целесообразней использовать методы, 
основанные на машинном обучении, 
для локализации знаков дорожного 
движения в реальных условиях.
В данной работе был выбран метод 
Виолы-Джонса, основанный на ма
-
шинном обучении. Виола и Джонс 
разработали алгоритм, способный об
-
наруживать объекты очень надежно и 
достаточно быстро, чтобы работать в 
режиме реального времени [6]. Хотя 
первоначально метод предназначался 
для решения задачи обнаружения лиц, 
он также успешно справляется с рас
-
познаванием других классов объектов.
Детектор Виолы и Джонса представ
-
ляет собой каскад классификаторов, 
который сочетает в себе следующие 
концепции:
• используются признаки Хаара;
• изображения представляются в 
интегральном виде;
• применяется бустинг.
Признак Хаара представляет собой 
прямоугольный примитив (рис. 1).