Um artigo de pesquisa que revolucionou a forma como os carros interpretam os sinais de trânsito foi reconhecido como o 'mais influente da década' em uma cerimônia em Tóquio.

As idéias que o documento apresentou agora encontraram seu caminho em tudo, desde carros autônomos a futuras mudanças controversas na legislação da UE.

Sistemas de reconhecimento de sinais de trânsito a bordo, uma característica comum dos carros modernos, usar câmeras para detectar, reconhecer e rastrear sinais de beira de estrada em tempo real. Seu uso mais frequente até agora tem sido ler os sinais de limite de velocidade e transmitir as informações ao motorista, mas a tecnologia parece destinada a assumir um significado maior no futuro, à medida que transferimos uma responsabilidade maior de direção para nossos carros.

O novo sistema, publicado pela primeira vez em um artigo intitulado "Uma nova abordagem para detecção e reconhecimento de sinais de trânsito em câmeras" em 2009, propôs fazer uso das características específicas da sinalização rodoviária para identificá-los rapidamente em qualquer cena.

"Onde a maioria dos sistemas anteriores usava métodos padrão de reconhecimento de imagem, em vez disso, nos concentramos mais nas características especiais dos sinais de trânsito, "disse o Dr. Yongmin Li da Brunel University London, que foi coautor do artigo ao lado de Ph.D. pesquisador Andrezej Ruta.

"Por exemplo, sinais de trânsito usam um número muito pequeno de cores - vermelho, azul, verde, Branco, preto e amarelo - e eles têm formas regulares, qualquer um dos círculos, triângulo ou quadrado etc. Há um número relativamente pequeno de possíveis sinais de candidatos. "

O sistema aborda efetivamente o problema como um processo de eliminação - uma supervelocidade, jogo em tempo real de 'Adivinha quem?' o que rapidamente restringe a resposta correta.

Esta pesquisa e seu posterior trabalho estendido tornaram-se a referência padrão em seu campo após sua publicação. Acredita-se que a pesquisa seja a base de muitos dos sistemas automotivos comerciais de hoje.

Embora em 2009 o reconhecimento de sinais de trânsito fosse visto como um recurso interessante para carros de última geração, hoje está assumindo um novo nível de importância, e agora é considerado um aspecto fundamental no futuro dos carros autônomos e semiautônomos.

"Para ser honesto, dez anos atrás, vimos esse problema como muito interessante, mas em uma escala muito menor, "disse o Dr. Li.

“A área que abordamos é a mesma que eles estão tratando com carros autônomos agora, mas na hora, a demanda e a extensão do problema eram muito menores.

"A pesquisa, no entanto, ainda aborda uma das grandes áreas de problema para carros autônomos - em particular, ao dirigir em áreas rurais onde os mapas não são necessariamente confiáveis ​​e o carro depende de feeds em tempo real do que as câmeras veem. "

Os sistemas de reconhecimento de sinais de trânsito têm sido controversos nos últimos meses, depois que a União Europeia propôs leis que os usariam para limitar automaticamente a velocidade de todos os novos carros fabricados após 2022.

A lei, que foi acordado apenas provisoriamente, mas que o Departamento de Transporte disse que seria implementado independentemente do resultado do Brexit, insiste que os carros novos usem 'Assistência Inteligente de Velocidade' (ISA), um sistema híbrido que usa GPS e reconhecimento de sinais de trânsito para impedir que os carros ultrapassem o limite de velocidade. Embora o sistema possa ser substituído, espera-se que sua implementação economize cerca de 25, 000 vidas em 15 anos.

"Como pesquisadores, nos sentimos felizes e satisfeitos com o que temos feito, e que podemos fazer algumas mudanças reais no mundo real, "disse o Dr. Li.

O reconhecimento pelo artigo veio na Conferência IAPR sobre Aplicações de Visão de Máquina (MVA), o principal evento bienal da International Association for Pattern Recognition, que este ano foi realizado em Tóquio.

O Prêmio MVA de Artigo Mais Influente na Década é concedido aos autores de um artigo apresentado na conferência há dez anos, que passou a ter uma influência significativa na tecnologia de visão de máquina na década seguinte.