基于多特征融合的交通标识实时分类与识别

论文摘要

针对交通标识分类识别过程中因样本类别之间的不平衡常使分类器性能减弱且实时性较差的问题,提出一种基于多特征融合的交通标识实时分类识别方法。首先,选取具有较强鲁棒性的HSV颜色空间对标识图像进行阈值分割处理,分割出交通标识所在的感兴趣区域;其次,提出一种HOG-MBLBP特征融合算法,通过支持向量机分类算法,实现交通标识的精确分类识别;最后,针对视频图像中交通标识识别实时性问题,采用自适应卡尔曼滤波算法进行交通标识的跟踪识别。实验结果表明该方法具有97.88%的分类准确率且具有较好的实时性。

论文目录

• 0 引言
• 1 基于HSV颜色空间的交通标识分割
• 2 基于HOG-MBLBP和SVM的交通标识精确分类识别
•   2.1 特征提取及HOG-MBLBP融合算法
•   2.2 基于SVM的交通标识分类识别
• 3 基于自适应Kalman滤波的交通标识跟踪
•   3.1 目标区域检测
•   3.2 区域大小预测
• 4 实验结果及分析
• 5 结语

文章来源

类型: 期刊论文

作者: 揭伟,李为相,李为

关键词: 交通标识,颜色分割,特征融合,支持向量机,卡尔曼滤波,跟踪识别

来源: 现代电子技术 2019年11期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 汽车工业,计算机软件及计算机应用

单位: 南京工业大学电气工程与控制科学学院

基金: 江苏省“六大人才高峰”项目(XXR-012)~~

分类号: TP391.41;U463.6

DOI: 10.16652/j.issn.1004-373x.2019.11.012

页码: 50-53+58

总页数: 5

文件大小: 1846K

下载量: 249