[논문 리뷰] Voice-Assisted Real-Time Traffic Sign Recognition System Using Convolutional Neural Network

Mayura Manawadu, Udaya Wijenayake|arXiv (Cornell University)|2024. 04. 11.

Vehicle License Plate Recognition인용 수 7

한 줄 요약

논문은 CNN을 사용하여 실시간으로 교통 표지판을 감지하고 인식한 다음 텍스트 음성 합성 엔진으로 표지판을 구술하여 운전자를 돕는 두 서브시스템 시스템을 제시한다.

ABSTRACT

Traffic signs are important in communicating information to drivers. Thus, comprehension of traffic signs is essential for road safety and ignorance may result in road accidents. Traffic sign detection has been a research spotlight over the past few decades. Real-time and accurate detections are the preliminaries of robust traffic sign detection system which is yet to be achieved. This study presents a voice-assisted real-time traffic sign recognition system which is capable of assisting drivers. This system functions under two subsystems. Initially, the detection and recognition of the traffic signs are carried out using a trained Convolutional Neural Network (CNN). After recognizing the specific traffic sign, it is narrated to the driver as a voice message using a text-to-speech engine. An efficient CNN model for a benchmark dataset is developed for real-time detection and recognition using Deep Learning techniques. The advantage of this system is that even if the driver misses a traffic sign, or does not look at the traffic sign, or is unable to comprehend the sign, the system detects it and narrates it to the driver. A system of this type is also important in the development of autonomous vehicles.

연구 동기 및 목표

• 도로 안전을 위한 교통 표지판 이해의 중요성을 제시한다.
• 교통 표지판에 대한 실시간 탐지 및 인식 파이프라인을 개발한다.
• 운전자 보조를 위한 CNN 기반 인식과 음성 내레이션으로 구성된 두 서브시스템 시스템을 만든다.
• 벤치마크 데이터셋에서 CNN 모델의 효율성을 입증한다.
• 자율 주행 차량 개발에서의 잠재적 적용 가능성을 강조한다.

제안 방법

• 실시간 교통 표지판 탐지 및 인식을 위해 효율적인 CNN 모델을 개발한다.
• 실시간 성능을 달성하기 위해 벤치마크 교통 표지판 데이터셋에서 학습한다.
• 인식된 표지판을 운전자에게 구술하기 위해 텍스트-음성 합성 엔진을 통합한다.
• 시스템을 탐지/인식과 음성 내레이션의 두 서브시스템으로 작동시킨다.
• 운전자 보조 기능과 자율 주행 차량 개발과의 관련성을 강조한다.

실험 결과

연구 질문

• RQ1 CNN이 벤치마크 데이터셋에서 실시간 탐지와 교통 표지판의 정확한 인식을 달성할 수 있는가?
• RQ2 시스템이 텍스트-음성 합성을 통해 운전자에게 인식된 표지판을 효과적으로 구술할 수 있는가?
• RQ3 두 서브시스템 설계(인식 plus 내레이션)가 놓친 표지판을 보완하여 운전자 안전을 향상시키는가?
• RQ4 이 시스템의 자율 주행 차량 개발에 대한 잠재적 적용 가능성은 무엇인가?

주요 결과

• 벤치마크 데이터셋에서 실시간 교통 표지판 탐지 및 인식을 위한 효율적인 CNN 모델을 개발했다.
• 인식된 표지판의 텍스트-음성 내레이션을 구현하여 운전자를 지원한다.
• 운전자에게 표지판을 감지하고 구술하는 두 서브시스템 시스템을 제안했다.
• 시스템 설계는 표지판을 놓치거나 이해하지 못하는 운전자를 돕고 자율 주행 차량 개발을 지원하는 것을 목표로 한다.