Đăng nhập
 
Tìm kiếm nâng cao
 
Tên bài báo
Tác giả
Năm xuất bản
Tóm tắt
Lĩnh vực
Phân loại
Số tạp chí
 

Bản tin định kỳ
Báo cáo thường niên
Tạp chí khoa học ĐHCT
Tạp chí tiếng anh ĐHCT
Tạp chí trong nước
Tạp chí quốc tế
Kỷ yếu HN trong nước
Kỷ yếu HN quốc tế
Book chapter
Bài báo - Tạp chí
Số tạp chí Công nghệ TT 2015(2015) Trang: 47-54
Tải về

Thông tin chung:

Ngày nhận:19/09/2015

Ngày chấp nhận: 10/10/2015

 

Title:

Road traffic sign detection and recognition using HOG feature and Artificial Neural network

Từ khóa:

Hệ thống giao thông thông minh, biển báo giao thông đường bộ, đặc trưng HOG, mạng Nơron, máy học vectơ hỗ trợ

Keywords:

Intelligent transport system, Road traffic signs, HOG features, Neural network, support vector machine (SVM)

ABSTRACT

In this paper, we proposed computer vision and machine learning algorithms for an automatic road-sign detection and recognition system using HOG feature and Neural networks. Our system is able to detect and recognize almost road sign categories such as prohibition, danger, warning and information which are not overlapped. The experiments are carried out on the dataset of 31 video files. The average time to detect and identify the road signs on a frame image is approximately 0.021 seconds when using the classification model with the MLP neural network model, and approximately 0.099 seconds when using the SVM classification model. The accuracy rate for road sign identification is about 94% for both models.

TÓM TẮT

Trong bài báo này, chúng tôi trình bày thuật toán xử lý ảnh và máy học để tự động phát hiện và nhận dạng biển báo giao thông đường bộ sử dụng đặc trưng cục bộ HOG và mạng Nơron nhân tạo. Hệ thống của chúng tôi có khả năng phát hiện và nhận dạng hầu hết các loại biển báo giao thông như biển báo cấm, biển báo nguy hiểm, biển hiệu lệnh và biển chỉ dẫn không bị chồng lấp. Thực nghiệm được tiến hành với 31 video với thời gian trung bình để phát hiện và nhận dạng các biển báo giao thông trên một frame ảnh xấp xỉ 0.021 giây khi sử dụng mô hình phân lớp với mạng nơron nhân tạo và khoảng 0.099 giây khi dùng mô hình phân lớp SVM và độ chính xác nhận dạng khoảng 94%.

 

Các bài báo khác
Số tạp chí 36(2015) Trang: 112-120
Tải về
Số tạp chí Công nghệ TT 2013(2013) Trang: 134-142
Tải về
Số tạp chí 27(2013) Trang: 44-55
Tải về
Số tạp chí Fair 9(2016) Trang: 566-572
Tạp chí: Kỷ yếu hội nghị khoa học và công nghệ quốc gia lần thứ 9
Số tạp chí Fair 9(2016) Trang: 590-601
Tạp chí: Kỷ yếu hội nghị khoa học và công nghệ quốc gia lần thứ 9
Số tạp chí 189(2016) Trang: 35-36
Tạp chí: Tự động hóa ngày nay
Số tạp chí 189(2016) Trang: 42-43
Tạp chí: Tự động hóa ngày nay
Số tạp chí 189(2016) Trang: 40-41
Tạp chí: Tự động hóa ngày nay
Số tạp chí (2015) Trang: 323-329
Tạp chí: Hội nghị toàn quốc lần thứ 3 về Điều khiển và Tự động hóa VCCA 2015
Số tạp chí 174(2015) Trang: 16-18
Tạp chí: Tự động hóa ngày nay (VIETNAM Automation Today)
Số tạp chí 01(2014) Trang: 115-122
Tạp chí: Hội nghị Cơ điện tử toàn quốc lần 7 (VCM 2014) - ISBN: 978-604-913-306-0
Số tạp chí 27(2013) Trang: 1
Tạp chí: International Journal of Pattern Recognition and Artificial Intelligence
Số tạp chí 1(2013) Trang: 33
Tạp chí: The International Joint Symposium between CTU and NTUST
 

CÁC ẤN PHẨM






 
 
Vui lòng chờ...