Tạp chı́ Khoa học Trường Đại học Cầ n Thơ Số chuyên đề: Công nghệ Thông tin (2015): 47-54 PHÁT HIỆN VÀ NHẬN DẠNG BIỂN BÁO GIAO THÔNG ĐƯỜNG BỘ SỬ DỤNG ĐẶC TRƯNG HOG VÀ MẠNG NƠRON NHÂN TẠO Trương Quốc Bảo1, Trương Hùng Chen2 và Trương Quốc Định3 1 Khoa Công nghệ, Trường Đại học Cần Thơ Khoa Kỹ thuật - Công nghệ, Trường Cao đẳng Cần Thơ 3 Khoa Công nghệ Thông tin & Truyền thông, Trường Đại học Cần Thơ 2 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

… Download the original file to read the full document.