基于多特征融合的交通标志识别算法

论文摘要

综合考虑识别率、时间复杂度以及鲁棒性,提出一种边缘、纹理、颜色多特征融合和支持向量机（SVM）的交通标志识别算法。通过提取能够描述交通标志图像边缘信息的方向梯度直方图（HOG）特征并进行统计平均,与能够表示标志图像内部纹理信息的局部二值模式（LBP）特征融合得到降维后的HOG-maxLBP特征,再级联交通标志的颜色特征作为最终的特征向量,最后利用SVM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别率,而且降低了时间复杂度,增强了系统鲁棒性。

论文目录

• 1 引言
• 2 本文算法
•   2.1 融合特征HOG-maxLBP
•     2.1.1 HOG特征
•     2.1.2 LBP特征
•     2.1.3 特征融合
•   2.2 颜色特征
•   2.3 SVM分类器
• 3 实验及结果分析
•   3.1 数据集
•   3.2 实验设置
•   3.3 实验结果分析
•     3.3.1 识别准确率
•     3.3.2 时间复杂度
•     3.3.3 鲁棒性
• 4 结束语

文章来源

类型: 期刊论文

作者: 韩习习,魏民,徐西义,李巧月,陈曦,祝汉城

关键词: 交通标志识别,方向梯度直方图,局部二值模式,颜色特征,特征融合,支持向量机

来源: 计算机工程与应用 2019年18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: 中国矿业大学信息与控制工程学院,山东能源新汶矿业集团通信信息中心,山东省新汶矿业集团翟镇煤矿

基金: 国家自然科学基金（No.61771473,No.61379143）

分类号: U463.6;TP391.41

页码: 195-200

总页数: 6

文件大小: 1791K

下载量: 475