PHÁT HIỆN VÀ NHẬN DẠNG BIỂN BÁO GIAO THÔNG ĐƯỜNG BỘ SỬ DỤNG ĐẶC TRƯNG HOG VÀ MẠNG NƠRON NHÂN TẠO

Trương Quốc Bảo * , Trương Hùng Chen và Trương Quốc Định

* Tác giả liên hệ (tqbao@ctu.edu.vn)

Article Sidebar

Full Text: PDF

Ngày nhận bài: 19-09-2015
Ngày duyệt đăng: 10-10-2015
Ngày xuất bản: 15-12-2015
Title: Road traffic sign detection and recognition using HOG feature and Artificial Neural network
Lượt xem
402
Downloads
229
Trích dẫn
Bảo, T. Q., Chen, T. H., & Định, T. Q. (2015). PHÁT HIỆN VÀ NHẬN DẠNG BIỂN BÁO GIAO THÔNG ĐƯỜNG BỘ SỬ DỤNG ĐẶC TRƯNG HOG VÀ MẠNG NƠRON NHÂN TẠO. Tạp chí Khoa học Đại học cần Thơ, (CĐ Công nghệ TT), 47-54. Truy vấn từ https://ctujsvn.ctu.edu.vn/index.php/ctujsvn/article/view/2333
Số báo
Số. CĐ Công nghệ TT (2015)
Chuyên mục
Công nghệ thông tin

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

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

Article Details

Tài liệu tham khảo

Diễn đàn Cấp cao Công nghệ Thông tin – Truyền thông Việt Nam (Vietnam ICT Summit), 2015. CNTT và Quản trị thông minh.

Arturo de la Escalera, Luis E. Moreno, Miguel Angel Salichs, JoséMaría Armingol, 1997. Road Traffic Sign Detection and Classification, IEEE Transactions on Industrial Electronics, 44(6): 848-859.

Auranuch Lorsakul, Jackrit Suthakorn, Traffic Sign Recognition Using Neural Network on OpenCV: Toward Intelligent Vehicle/Driver Assistance System, Center for Biomedical and Robotics Technology (BARTLAB), Department of Biomedical Engineering, Faculty of Engineering, Mahidol University, ThaiLand.

Andrzej Ruta, 2009. Video-based Traffic Sign Detection, Tracking and Recognition, Doctor of Philosophy, Brunel University, West London.

Andrzej Ruta, Fatih Porikli, Shintaro Watanabe, Yongmin Li , 2011. In Vehicle Camera Traffic Sign Detection and Recognition, Machine Vision and Applications (22):359-375.

Gauri A. Tagunde, C.O.Banchhor, Nilesh J. Uke, Detection Classification and Recognition of Road Traffic Signs Using Color and Shape feature, International Journal of Advanced Technology & Engineering Research (IJATER), 2(4): 202-206.

Lê Thanh Tâm, Trần Thái Sơn, Seichii Mita, 2009. Phát hiện và phân loại biển báo giao thông dựa trên SVM trong thời gian thực. Tuyển tập công nghệ thông tin và truyền thông 2009: 44-50.

Nguyễn Duy Khánh, Lê Đình Duy, Dương Anh Đức, 2011. Phát hiện biển báo giao thông dùng đặc trưng cục bộ (local features). Hội thảo FAIR (Fundamental And Applied IT Research) lần V, Tháng 08-2011.

Bộ Giao thông vận tải, Bộ Khoa học Công nghệ, Tổng cục Đường bộ Việt Nam, 2015. Quy chuẩn kỹ thuật quốc gia về báo hiệu đường bộ, Hà Nội.

N.Dalal and B.Triggs, 2005. Histograms of Oriented Gradients for Human Detection, Proceeding on IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR (1):886-893.

J. Stallkampa, M. Schlipsinga, J. Salmena, C. Igelb, 2012. Man vs. Computer:Benchmarking Machine Learning Algorithms for Traffic Sign Recognition, Preprint submitted to Elsevier.

Chil-Chung Chang and Chil-Jen Lin, 2014. LibSVM – A Library for Support Vector Machines.

Trương Hùng Chen, 2015. Xây dựng bộ công cụ phát hiện và nhận dạng bảng hiệu điều khiển giao thông. Luận văn Thạc sĩ ngành Công nghệ thông tin, Trường Đại học Cần Thơ. Thành phố Cần Thơ.