Ecuadorian regulatory traffic sign detection by using HOG features and ELM classifier

Authors

  • Marco Javier Flores Calero Tecnologias I&H, Universidad de las Fiuerza Armadas ESPE https://orcid.org/0000-0001-7507-3325
  • Milton Aldas Sanchez Universidad Técnica de Ambato
  • Jonathan Vargas Freelancer
  • Maria Jose Ayala Freelancer

Keywords:

traffic accidents, regulatory traffic sign, elm, hoc

Abstract

This article presents an algorithm for Ecuadorian regulatory traffic signs detection, under extreme lighting conditions during the day. The method is composed of the following modules, i) video stabilization to reduce vertical oscilation, ii) a method to for obtaining regions of interest (ROIs) based on color information and geometric restrictions, iii) a two-stage multi classification algorithm, based on Extreme Learning Machine (ELM) and HOG descriptor, to classify by form and content. A database of Ecuador’s regulatory traffic signs has also been created. It has more than 47,000 images of Ecuadorian road signs divided into 16 classes. The experimental results, from the recognition module, generate an accuracy of 99,85 %, and a sensitivity of 99,78 % in the first stage, and an accuracy of 96,71 % and a sensitivity of 94,16 % in the second stage. In addition, its robustness was compared with two other classifiers, in order to choose the one with the best performance in terms of accuracy and low computational cost. This system works at 24 frames per second, and it was tested in real driving conditions, from 6:00 a.m. until 7:00 p.m., on the streets of several cities and highways of Ecuador.

Downloads

Download data is not yet available.

Author Biographies

Marco Javier Flores Calero, Tecnologias I&H, Universidad de las Fiuerza Armadas ESPE

Marco Flores-Calero es Ingeniero Matemático por la Escuela Politécnica Nacional (Ecuador) y doctor en Ingeniería Eléctrica, Electrónica y Automática por la Universidad Carlos III de Madrid (España). Actualmente, es profesor titular en la Universidad de las Fuerzas Armadas (Ecuador) y miembro ex- terno de la Comisión Gestora de la Universidad de Investigación de Tecnología Experimental Ya- chay (Ecuador). Durante su trayectoria académica ha publicado sus trabajos científicos en revistas de prestigio internacional.

Milton Aldas Sanchez, Universidad Técnica de Ambato

Milton Aldás Sánchez es Ingeniero Civil por la Universidad Técnica de Ambato, Ecuador, y doctor en Investigación Operativa por la Universidad Rey Juan Carlos, España. Actualmente es miembro del grupo de investigación COESVI, y académico en la Facultad de Ingeniería Civil y Mecánica de la Uni- versidad Técnica de Ambato. Sus líneas de trabajo incluyen el uso de la investigación operativa en el análisis de datos y en los sistemas inteligentes de transporte.

Jonathan Vargas, Freelancer

Jonathan Vargas es licenciado en Ingeniería en Electrónica, Automatización y Control por la Uni- versidad de las Fuerzas Armadas ESPE. Sus intere- ses de investigación son reconocimiento de patrones y aprendizaje máquina. En este momento trabaja en el sector privado como consultor de TICs.

Maria Jose Ayala, Freelancer

María José Ayala es licenciada en Ingeniería en Electrónica, Automatización y Control por la Uni- versidad de las Fuerzas Armadas ESPE. Actualmen- te trabaja en el sector privado en el desarrollo de TICs, con énfasis en aprendizaje máquina.

Published

2021-06-07

How to Cite

Flores Calero, M. J., Aldas Sanchez, M., Vargas, J., & Ayala, M. J. (2021). Ecuadorian regulatory traffic sign detection by using HOG features and ELM classifier. IEEE Latin America Transactions, 19(4), 634–642. Retrieved from https://latamt.ieeer9.org/index.php/transactions/article/view/3823

Most read articles by the same author(s)