Милостная Наталья Анатольевна - доктор технических наук, ведущий научный сотрудник кафедры программной инженерии.
ул. 50 лет Октября, д. 94, Курск 305040
Natalia A. Milostnaya - Dr. of Sci. (Engineering), Senior Researcher of the Software Engineering Department, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Янгляева Наталия Игоревна - кандидат технических наук, старший преподаватель кафедры программной инженерии.
ул. 50 лет Октября, д. 94, Курск 305040
Natalia I. Yanglyaeva - Cand. of Sci. (Engineering), Senior Lecturer of Software Engineering Department, Southwest State University.
50 Let Oktyabrya str. 94, Kursk 305040
Цель исследования. Повышение достоверности распознавания объектов на изображении путём исследования влияния гамма-коррекции входного изображения на качество распознавания объектов на нём.
Методы. Предварительная обработка входных изображений, полученных с помощью комплекса видеофиксации нарушений правил дорожного движения, установленного в городе Курске, включает гамма-коррекцию, преобразования из RGB в градации серого, размытия фильтром Гаусса, выделения границ объектов на основании алгоритма Canny, классификации объектов с помощью алгоритма YOLO.
Результаты. Рассмотрены основные преимущества систем регулирования дорожного движения с адаптивным управлением. Описана структурная схема системы управления пешеходных переходом и этапы предварительной обработки входного изображения, включающие гамма-коррекцию, и их влияние на достоверность детектирования объектов. Проведён расчёт показателя Recall для количественной оценки эффективности детекции при различных значениях гамма-коррекции каждого из рассматриваемых классов: пешеходы (Recall = 0,46), автомобили (Recall =0,824), светофоры (Recall =0,60).
Заключение. Результаты серии проведённых экспериментальных исследований доказывают положительное воздействие гамма-коррекции на эффективность распознавания только некоторых классов объектов, таких как светофоры, требуя минимального значения γ ≈ 1,5 (гамма 100) для начала распознавания. Детекция других рассмотренных классов, таких как пешеходы и автомобили, остаётся стабильной при любых значениях гамма из диапазона [0; 200]. Наибольшее количество обнаружений зафиксировано при гамме 20 и 80 для пешеходов и при гамме 60, 100 и 120 для автомобилей.
Purpose of research. Improving the reliability of object recognition in an image by investigating the effect of gamma correction of the input image on the quality coefficient of object recognition on it.
Methods. Pre-processing of images obtained using the complex of video recording of traffic violations installed in the city of Kursk includes gamma correction, conversion from RGB to grayscale, blurring with a Gauss filter, highlighting the boundaries of objects based on the Canny algorithm, classification of objects using the YOLO algorithm.
Results. The main advantages of adaptive control traffic control systems are considered. The structural scheme of the pedestrian crossing control system and the stages of input image preprocessing, including gamma correction, and their effect on the reliability of object detection are described. The Recall indicator was calculated to quantify the detection efficiency at different gamma correction values for each of the classes under consideration: pedestrians (Recall = 0.46), cars (Recall =0.824), traffic lights (Recall =0.60).
Conclusion. The results of a series of experimental studies prove the positive effect of gamma correction on the recognition efficiency of only certain classes of objects, such as traffic lights, requiring a minimum value of γ ≈ 1.5 (gamma 100) to start recognition. The detection of other classes considered, such as pedestrians and cars, remains stable at any gamma values from the range [0; 200]. The largest number of detections was recorded at ranges of 20 and 80 for pedestrians and at ranges of 60, 100 and 120 for cars.
The authors declare that there are no conflicts of interest present.