Marco Javier Flores Calero, Cristian Conlago, Jhonny Yunda, M. Aldás, C. Flores
{"title":"厄瓜多尔交通标志的定位和识别:停止和让路的案例","authors":"Marco Javier Flores Calero, Cristian Conlago, Jhonny Yunda, M. Aldás, C. Flores","doi":"10.18272/ACI.V10I1.1012","DOIUrl":null,"url":null,"abstract":"En el mundo y en el Ecuador, las altas tasas de accidentes de tráfico son generadas, principalmente, por la falta de respeto a la normativa vial por parte de los usuarios viales, generando costos humanos y materiales de importancia. En este sentido, la localización y el reconocimiento de las señales de tráfico es esencial para la construcción de dispositivos capaces de prevenir situaciones que puedan generar accidentes de tráfico. Por lo tanto, en este trabajo se presenta un nuevo enfoque para la construcción de un sistema para la detección de señales de tráfico, usando las siguientes innovaciones, i) un método de segmentación por color para la generación de regiones de interés (ROIs) basado en los algoritmos 𝑘−𝑁𝑁, con 𝐾𝑚−𝑚𝑒𝑎𝑛𝑠, ii) una nueva versión del descriptor HOG (Histograms of oriented gradients) para la extracción de características, y iii) el entrenamiento del algoritmo SVM no-lineal para multi-clasificación. El enfoque propuesto ha sido probado sobre las señales de tráfico ecuatorianas de Pare y Ceda el Paso. Un sinnúmero de experimentos han sido desarrollados sobre varias secuencias de videos capturadas con vehículo experimental en condiciones reales de conducción en varias ciudades ecuatorianas, bajo diferentes condiciones de iluminación como son normal, soleado y nublado. Este sistema ha mostrado un rendimiento de 98.7% para la segmentación, 99.49% para la clasificación y una precisión del 96% para la detección.","PeriodicalId":42541,"journal":{"name":"Avances en Ciencias e Ingenieria","volume":"4 1","pages":""},"PeriodicalIF":0.1000,"publicationDate":"2018-12-26","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"Localización y reconocimiento de señales de tráfico del Ecuador: Casos Pare y Ceda el Paso\",\"authors\":\"Marco Javier Flores Calero, Cristian Conlago, Jhonny Yunda, M. Aldás, C. Flores\",\"doi\":\"10.18272/ACI.V10I1.1012\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"En el mundo y en el Ecuador, las altas tasas de accidentes de tráfico son generadas, principalmente, por la falta de respeto a la normativa vial por parte de los usuarios viales, generando costos humanos y materiales de importancia. En este sentido, la localización y el reconocimiento de las señales de tráfico es esencial para la construcción de dispositivos capaces de prevenir situaciones que puedan generar accidentes de tráfico. Por lo tanto, en este trabajo se presenta un nuevo enfoque para la construcción de un sistema para la detección de señales de tráfico, usando las siguientes innovaciones, i) un método de segmentación por color para la generación de regiones de interés (ROIs) basado en los algoritmos 𝑘−𝑁𝑁, con 𝐾𝑚−𝑚𝑒𝑎𝑛𝑠, ii) una nueva versión del descriptor HOG (Histograms of oriented gradients) para la extracción de características, y iii) el entrenamiento del algoritmo SVM no-lineal para multi-clasificación. El enfoque propuesto ha sido probado sobre las señales de tráfico ecuatorianas de Pare y Ceda el Paso. Un sinnúmero de experimentos han sido desarrollados sobre varias secuencias de videos capturadas con vehículo experimental en condiciones reales de conducción en varias ciudades ecuatorianas, bajo diferentes condiciones de iluminación como son normal, soleado y nublado. Este sistema ha mostrado un rendimiento de 98.7% para la segmentación, 99.49% para la clasificación y una precisión del 96% para la detección.\",\"PeriodicalId\":42541,\"journal\":{\"name\":\"Avances en Ciencias e Ingenieria\",\"volume\":\"4 1\",\"pages\":\"\"},\"PeriodicalIF\":0.1000,\"publicationDate\":\"2018-12-26\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Avances en Ciencias e Ingenieria\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.18272/ACI.V10I1.1012\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Avances en Ciencias e Ingenieria","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.18272/ACI.V10I1.1012","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Localización y reconocimiento de señales de tráfico del Ecuador: Casos Pare y Ceda el Paso
En el mundo y en el Ecuador, las altas tasas de accidentes de tráfico son generadas, principalmente, por la falta de respeto a la normativa vial por parte de los usuarios viales, generando costos humanos y materiales de importancia. En este sentido, la localización y el reconocimiento de las señales de tráfico es esencial para la construcción de dispositivos capaces de prevenir situaciones que puedan generar accidentes de tráfico. Por lo tanto, en este trabajo se presenta un nuevo enfoque para la construcción de un sistema para la detección de señales de tráfico, usando las siguientes innovaciones, i) un método de segmentación por color para la generación de regiones de interés (ROIs) basado en los algoritmos 𝑘−𝑁𝑁, con 𝐾𝑚−𝑚𝑒𝑎𝑛𝑠, ii) una nueva versión del descriptor HOG (Histograms of oriented gradients) para la extracción de características, y iii) el entrenamiento del algoritmo SVM no-lineal para multi-clasificación. El enfoque propuesto ha sido probado sobre las señales de tráfico ecuatorianas de Pare y Ceda el Paso. Un sinnúmero de experimentos han sido desarrollados sobre varias secuencias de videos capturadas con vehículo experimental en condiciones reales de conducción en varias ciudades ecuatorianas, bajo diferentes condiciones de iluminación como son normal, soleado y nublado. Este sistema ha mostrado un rendimiento de 98.7% para la segmentación, 99.49% para la clasificación y una precisión del 96% para la detección.