System for traffic sign recognition

Rad opisuje jednu moguću implementaciju sustava za klasifikaciju prometnih zna- kova u stvarnom vremenu. Razrađuju se primjene i zahtjevi sustava, opisuju se ranija ostvarenja u tom području i definira se pristup rješenju problema klasifikacije. Sustav klasificira prometne znakove uporabom jedne konvolucijske neronske mreže koja se sastoji od 12 slojeva. Za potrebe treniranja neuronske mreže korišteni su razni pristupi pretprocesiranja fotografija iz skupa podataka za učenje kako bi se povećao broj ulaz- nih podataka koje model ima na raspolaganju za učenje ali i učinio model otpornijim na poremečaje u osvjetljenju i kontrastu do kojih može doći na ulazu. Istrenirani model se koristi u testnoj aplikaciji koja konstantno uzima slike s web-kamere prijenosnog računala, zatim te slike pokušava klasificirati te ukoliko s određenom sigurnošću uspije klasificirati fotografiju ispisuje rezultat na zaslon prijensnog računala.The paper describes a possible implementation of a real-time traffic sign classification system. The applications and requirements of the system are discussed, previous achievements in the field are described, and an approach to solving the classification problem is defined. Created system classifies traffic signs using a single convolutional neural network consisting of 12 layers. Various preprocessing approaches were used to augment the training dataset, increasing the number of input data available for the model to learn from and making the model more robust to disturbances in lighting and contrast that may occur at the input. The trained model is used in a test application that continuously captures images from a laptop’s webcam, attempts to classify those images, and if successful with a certain confidence, displays the result on the laptop’s screen