Twin-SVM和Twin-KSVC标志物检测与分类方法

发布时间：2017-08-07 17:13

  本文关键词：Twin-SVM和Twin-KSVC标志物检测与分类方法

  更多相关文章： 交通标志 交通标志检测 交通标志分类 支持向量机 Haar-like特征 成对支持向量机

【摘要】：针对交通标志中禁令标志和指示标志的检测和分类难题,提出一种基于Twin-SVM和Twin-KSVC的交通标志检测与分类方法。对交通标志图像的红色、蓝色和亮度3个通道进行光照归一化处理;在这3个通道上提取Haar-like特征,构建特征向量;采用Twin-SVM方法进行交通标志检测过程的特征训练与验证,采用Twin-KSVC方法进行交通标志分类过程的特征训练与验证。实验采用实测数据对算法进行测试与评价,实验结果表明,该方法可以有效地检测和识别常见的20类禁令和指示交通标志。
【作者单位】： 苏州工业职业技术学院软件与服务外包学院;苏州大学计算机科学与技术学院;吉林大学符号计算与知识工程教育部重点实验室;
【关键词】： 交通标志 交通标志检测 交通标志分类 支持向量机 Haar-like特征 成对支持向量机
【基金】：国家自然科学基金项目(61303108、61373094、61472262) 江苏省高校自然科学研究基金项目(13KJB520020) 吉林大学符号计算与知识工程教育部重点实验室基金项目(93K172014K04) 江苏省高等职业院校国内高级访问学者计划基金项目(2014FX058)
【分类号】：U495;TP391.41
【正文快照】： 0引言由于车辆运动,车载摄像机采集到的图像存在较大的场景、光照、视角等差异,给交通标志的检测与分类带来很大挑战[1]。在交通标志检测方面,文献[2]结合曲率尺度空间和角点检测交通标志,能降低标志互连引起的误检问题,但易受环境光照影响;文献[3]采用最大稳定外部区域检测子，

本文编号：635778