การตรวจจับสัญญาณไฟจราจรโดยใช้โครงข่ายประสาทเทียม แบบส่งค่าย้อนกลับในประเทศไทย
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้นำเสนอวิธีการตรวจจับสัญญาณไฟจราจรโดยใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับ (Back Propagation Neural Network) ในช่วงเวลากลางวัน ในขั้นตอนแรก ภาพสัญญาณไฟจราจรจะถูกสกัดออกจากภาพสี RGB โดยภาพ RGB นำเข้า จะถูกแปลงไปอยู่ในรูปปริภูมิสี YCbCr จากนั้น พื้นที่ที่สีแดง และสีเขียวจะถูกเลือกเป็นตัวแทน และในขั้นตอนสุดท้ายได้ใช้โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับในการระบุสัญญาณไฟจราจรสีแดง ในการทดลองนี้ โครงข่ายประสาทเทียมแบบส่งค่าย้อนกลับแบบสามเลเยอร์ได้ถูกปรับใช้เพื่อตรวจจับและประเมินส่วนต่าง ๆ ของสัญญาณไฟจราจรที่มีประโยชน์ต่อการตรวจจับ ความแม่นยำของวิธีที่นำเสนอนี้ได้ถูกเปรียบเทียบกับขั้นตอนวิธีการเพื่อนบ้านใกล้ที่สุด (K-Nearest Neighbor Classification)
Article Details
- เนื้อหาและข้อมูลในบทความที่ตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง กองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใด ๆ
- บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศถือเป็นลิขสิทธิ์ของวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ หรือเพื่อกระทำการใด ๆ จะต้องได้รับอนุญาตเป็นลายลักอักษรณ์จากวารสารวิทยาศาสตร์และเทคโนโลยีนายเรืออากาศ ก่อนเท่านั้น
เอกสารอ้างอิง
[2] T.-H.Hwang, I.H.Joo and S.I.Cho. Detection of traffic lights for vision-based car navigation system. in PSIVT: 682–691, 2006.
[3] X.Liu, S.Zhu, and K.Chen. Method of Traffic Sign Segmentation Based on Color-Stadardization. International Conference on Intelligent Human-Machine Systems and Cybernetics, 978-0-7695-3752-8: 193-197, 2009.
[4] W.Y.Wu, T.C.Hsieh and C.S.Lai. Extracing Road Sign Using The Color Information. 26 CANAKKALE : WORLD ACAD SCI, ENG & TECH-WASET: 282-286, 2007.
[5] D.T.Pankaj and M.E.Patil. Recognition of traffic symbols using Kmeans and shape analysis. International Journal of Engineering Research and Technology (IJERT) 2(5): 162-169, 2013.
[6] A.Danti and Y.Kulkarni. Images Processing Approach To Detect Road Sign in India Roads. International Journal Of Research in Advent Technology, 1(5): 409-417, 2013.
[7] H.Fleyeh. Shadow And Highlight Invariant Colour Segmentation Algorithm For Traffic Signs. IEEE Conference on Cybernetics and Intelligent Systems. Bangkok, Thailand, 2006.
[8] A.Ruta, Y.Li and X.Liu. Detection, Tracking and Recognition of Traffic Signs from Video Input. Proceedings of the 11th International IEEE Conference on Intelligent Transportation Systems. Beijing, China, 2008.
[9] A.Lorasakul and J.Suthakom. Traffic Sign Recognition for Intelligent Vehicle/Driver. In International Conference on Ubiquitos Robots and Ambient Intelligence, 2007.
[10] Mohammad A.N. Al-Azawi. Neural Network Based Automatic Traffic Signs Recognition. International Journal of Digital Information and Wireless Communications, 2012.
[11] H.N.Dean and K.V.Jabir. Real Time Detection and Recognition of Indian Traffic Signs using Matlab. International Journal of Scientific & Engineering Research, 4(5): 684-690, 2013.
[12] S.M.Baschon, S.L.Arroyo, P.G. Jimenez, H.G. Moreno and F.L.Ferreras. Road-Sign Detection and Recognition Based on Support Vector Machines. IEEE. Transactions On Intelligent Transportation System, 8(2), 2007.
[13] A.V.Deshpande. Design Approach for a Novel Traffic Sign Recognition System by Using LDA and Images Segmentation by Exploring the Color and Shape Feature of an Image. International Journal of Engineering Research and Applications, 4(11): 20-26, 2014.
[14] T.Boongoen, N.Iam-On and B.Undara. Improving Face Detection with Bi-Level Classification Model. RTAFA Journal of Science and Technology, 12(12): 52-63, 2016.
