تشخیص بلادرنگ علائم ترافیکی، یا تعیین محل کردن علائم ترافیکی در تصاویر طبیعی، یک کار چالش برانگیز در بینایی ماشین، در رابطه با صنعت است. تاکنون الگوریتم­های مختلفی ارائه شده است و سیستم­های پیشرفته­ی دستیار راننده با حمایت از تشخیص و شناسایی علائم ترافیکی، به بازار رسیده اند. با وجود رویکردهای رقابتی بسیار، اتفاق نظر روشنی در مورد آنچه که به عنوان بالاترین سطح توسعه مدنظر باشد، وجود ندارد. هدف ما از عبارت " معیار تشخیص علامت ترافیک آلمانی" معرفی یک رقابت ( مسابقه) در کنفرانس مشترک بین المللی شبکه های عصبی در سال 2013، است. ما یک مجموعه داده های معیار دنیای واقعی را برای تشخیص علامت ترافیکی همراه با انتخاب معیارهای دقیق ارزیابی، نتایج پایه­ای و یک رابط کاربری وب برای مقایسه­ی رویکردها، معرفی می­کنیم. در این بررسی، ما تشخیص علامت را از طبقه بندی، تفکیک می­کنیم. اما هنوز هم اندازه­گیری عملکرد مربوط به دسته­های علائم، منجر به ایجاد راه حل های تخصصی برای تعیین معیار می­شود. در این مقاله به برخی از مهم ترین و محبوب ترین روش­های تشخیص، مانند آشکارساز ویولا- جونز، مبتنی بر ویژگی­های هار و یک طبقه بند خطی متکی بر توصیف HOG، که به عنوان الگوریتم­های پایه­ای درنظرگرفته شده اند، اشاره می­کنیم. علاوه بر این، به تازگی الگوریتمی خاص این مسئله پیشنهاد شده است که شکل و رنگ را استخراج و سپس از طریق رای­گیری مدل مبتنی بر هاف، طرح ارزیابی می­شود. و در نهایت، ما الگوریتم­هایی با بهترین عملکرد را در کنفرانس مشترک بین المللی شبکه­ های عصبی ارائه می­کنیم.

این پروژه یکی از بهترین و کامل ترین شبیه سازهایی است که تحت برنامه متلب برای تشخیص علائم راهنمایی و رانندگی نوشته شده است.

این برنامه از روی 2 مقاله مرجعی که به زبان فارسی و در این زمینه نوشته شده اند پیاده سازی شده است

همچنین برای راحتی حال عزیزانی که مایل به استفاده از این دو مقاله هستند، فایل ورد این دو مقاله نیز به صورت قابل ویرایش در پکیج پروژه قرار دارد.