Centroid Distance Shape Recognition for Real Time Low Complexity Traffic Sign Recognition
Publish place: Telecommunication devices، Vol: 9، Issue: 4
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: English
View: 82
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TDMA-9-4_003
تاریخ نمایه سازی: 29 فروردین 1402
Abstract:
This paper represents advantages of using Centroid distance function for shape detection in real time traffic sign recognition compared with extracting histogram of oriented gradients (HOG) features and using support vector machine (SVM) classifier. Simulation results of using centroid distance show similar accuracy in compare with HOG SVM while have very low complexity and cost and running with higher speed.
Keywords:
Traffic Sign Recognition , Advanced Driver Assistance Systems , Centroid Distance , Histogram of Oriented Gradients , HOG , Support vector machine , SVM , Shape Recognition , Low-Complexity
Authors
Hamidreza Emami
Yadegar-e-Imam Khomeini(RAH)Shahre Rey Branch, Islamic Azad University, Tehran, Iran.
Ramin Shaghaghi Kandowan
Yadegar-e-Imam Khomeini(RAH)Shahre Rey Branch, Islamic Azad University, Tehran, Iran.
Seyyed Abolfazl Hosseini
Yadegar-e-Imam Khomeini(RAH)Shahre Rey Branch, Islamic Azad University, Tehran, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :