Deutsch SignSense ist ein Projekt das für erhöhte Sicherheit im Straßenverkehr entwickelt wird. Mithilfe dieses Systems hat man immer einen Überblick über Straßenschilder. Dadurch wird ein übersehen von Geschwindigkeitsbegrenzungen schwerer und ungewollte Strafen oder gar Unfälle vermieden. Das Grundkonzept des Projektes ist es eine KI zu trainieren und diese mithilfe einer Kamera und eines Raspberry Pis zu verwenden um die Straßenschilder zu erkennen. Weiters wird alles in einem Gehäuse befestigt damit es an einem Motorrad oder einem Auto anbringbar ist.

Unser Projekt wird bearbeitet und erstellt an der HTL Mössingerstraße

English SignSense is a project developed to increase safety in road traffic. With the help of this system you always have an overview of the most recent street signs. Through this solution it is harder to overlook speed limits and penalties or even accidents can be avoided. The basic concept of the project is to train an AI and use it with a camera and a Raspberry PI to detect the street signs. Furthermore it will be fitted in a casing to ensure that it will fit ontop of a motorbike or in a car.

Details

Hardware

Raspberry PI 4

Für dieses Projekt wird ein Raspberry Pi 4 verwendet. Es wurde sich für diesen Microcomputer entschieden, da dieser die Rechenkapazitäten besitzt, eine künstliche Intelligenz ohne Probleme laufen zu lassen. Außerdem bietet sich der Raspberry Pi dafür an, da es auf der Platine schon Schnittstellen gibt mit welchem man einen Bildschirm und eine Kamera sehr leicht verbinden kann. Dadurch wird die Arbeit um einiges erleichtert, da man sich die Pinbelegung nicht überlegen muss. Daher muss man auch nicht darauf achten, dass man die Kamera oder den Bildschirm kurzschließt und damit das Bauelement zerstört.

Künstliche Intelligenz

Künstliche Intelligenz

Es wird ein Modell einer künstlichen Intelligenz erstellt, welches Straßenschilder im österreichischem und deutschem Bereich erkennt. Für das Training der künstlichen Intelligenz wird die Programmiersprache Python und die Library TensorFlow verwendet. Letzteres baut auf Keras, einer weiteren Library, welche auf einer tieferen Ebenen agiert. Diese wird verwendet um die Grundstruktur des neuronalen Netzwerkes und die Trainingsart bestimmen zu können.

Software

Software

Für die Kommunikation zwischen dem Raspberry Pi und der künstlichen Intelligenz wird ein Programm in Python entwickelt. In diesem Programm wird die Kamera des Raspberry Pi's eingelesen und anschließend werden die Daten an die künstliche Intelligenz gesendet. Wenn in den Aufgezeichneten Daten ein Straßenschild erkannt wird, wird dieses auf dem Bildschirm mit der passenden Betitelung wiedergegeben.