發(fā)布時間：2017-08-07 17:13

  本文關鍵詞：Twin-SVM和Twin-KSVC標志物檢測與分類方法

  更多相關文章： 交通標志 交通標志檢測 交通標志分類 支持向量機 Haar-like特征 成對支持向量機

【摘要】：針對交通標志中禁令標志和指示標志的檢測和分類難題,提出一種基于Twin-SVM和Twin-KSVC的交通標志檢測與分類方法。對交通標志圖像的紅色、藍色和亮度3個通道進行光照歸一化處理;在這3個通道上提取Haar-like特征,構建特征向量;采用Twin-SVM方法進行交通標志檢測過程的特征訓練與驗證,采用Twin-KSVC方法進行交通標志分類過程的特征訓練與驗證。實驗采用實測數(shù)據(jù)對算法進行測試與評價,實驗結果表明,該方法可以有效地檢測和識別常見的20類禁令和指示交通標志。
【作者單位】： 蘇州工業(yè)職業(yè)技術學院軟件與服務外包學院;蘇州大學計算機科學與技術學院;吉林大學符號計算與知識工程教育部重點實驗室;
【關鍵詞】： 交通標志 交通標志檢測 交通標志分類 支持向量機 Haar-like特征 成對支持向量機
【基金】：國家自然科學基金項目(61303108、61373094、61472262) 江蘇省高校自然科學研究基金項目(13KJB520020) 吉林大學符號計算與知識工程教育部重點實驗室基金項目(93K172014K04) 江蘇省高等職業(yè)院校國內(nèi)高級訪問學者計劃基金項目(2014FX058)
【分類號】：U495;TP391.41
【正文快照】： 0引言由于車輛運動,車載攝像機采集到的圖像存在較大的場景、光照、視角等差異,給交通標志的檢測與分類帶來很大挑戰(zhàn)[1]。在交通標志檢測方面,文獻[2]結合曲率尺度空間和角點檢測交通標志,能降低標志互連引起的誤檢問題,但易受環(huán)境光照影響;文獻[3]采用最大穩(wěn)定外部區(qū)域檢測子，

本文編號：635778