Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Przegląd Elektrotechniczny

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: system ADAS

Sortuj według:

Ogranicz wyniki do:

Comparative Survey on Traffic Sign Detection and Recognition: a Review

Wali S. B., Hannan M. A., Hussain A., Samad S. A.

Przegląd Elektrotechniczny

2015

R. 91, nr 12

38-42

Developing real-time Advanced Driver Assistance Systems (ADAS) based on video aiming to extract reliable vehicle state information has attracted a lot of attention during the past decades. This ADAS system includes inter-vehicle communication, driver behavioral monitoring, and human-machine interactions. In these systems, robust and reliable traffic sign detection and recognition (TSDR) technique is a critical step for ensuring vehicle safety. This paper provides a comprehensive survey on traffic sign detection and recognition system based on image and video data. Our main focus is to present the current trends and challenges in the field of developing an efficient TSDR system followed by a detail comparative study between different renowned methods used by various researchers. Finally, conclusion followed by some future suggestion is provided to develop an efficient TSDR system is provided. This survey will hopefully lead to develop an effective traffic sign detection and recognition system which will ensure driver safety in future.

System ADAS (Advanced Driver Assistance System) obejmuje także metody rozpoznawania znaków drogowych. W artykule przedstawiono przegląd metod detekcji i rozpoznawania znaków drogowych bazujących na obrazie video. W artykule dokonano oceny istniejących metod oraz zaproponowano środki poprawy ich efektywności.

Traffic Sign Classification based on Neural Network for Advance Driver Assistance System

Hannan M. A., Wali S. B., Pin T. J., Hussain A., Samad S. A.

Przegląd Elektrotechniczny

2014

R. 90, nr 11

169--172

Traffic sign is utmost important information or rule in transportation. In order to ensure the transportation safety the automotive industry has developed Advance Driver Assistance System (ADAS). Among the ADAS system, development of TSDR is the most challenging to the researchers and developers due to unsatisfying performance. This paper deals with, automatic traffic sign classification and reduces the effect of illumination and variable lighting over the classification scheme by using neural network according to the traffic sign shape. There are three main phase of the classification scheme such as; pre-processing using image normalization, feature extraction using color information of 16-point pixel values and multilayer feed forward neural network for classification. An accuracy rate of 84.4% has been achieved by the proposed system. Overall processing time of 0.134s shows the system is a fast system and real-time application.

W artykule opisano metodę automatycznego rozpoznawania I klasyfikacji znaków drogowych z przenaczeniem do inteligentnych systemów wspomagania kierowcy ADAS. Do tego celu wykorzystano sieci neuronowe przeprowadzając normalizację obrazu, ekstrakcję cech i klasyfikację. Osiągnieto dokładność rozpoznawania rzędu 84% przy przeciętnym czasie rozpoznawania około 0.13 s.