基于MSER和SVM的快速交通标志检测

为解决传统的基于机器学习的交通标志检测(TSD)方法需要对每一个待检测子窗口进行处理而导致算法实时性不高的问题,提出了一种基于感兴趣区域(ROI)提取和机器学习的快速TSD算法。针对传统基于颜色阈值的ROI提取方法具有对光照变化较敏感等缺点,设计了一种颜色增强下的最大稳定极值区域(MSER)方法,根据标志的颜色进行颜色增强,对颜色增强图像提取MSER得到交通标志ROI;然后在图像的多尺度滑动遍历检测过程中,仅对包含ROI的滑动窗口进行方向梯度直方图(HOG)特征的提取,并通过支持向量机(SVM)进行分类判别。实验结果表明,本文改进的TSD方法在运算速度上有较大提升,具有很好的鲁棒性,且获得了96.42%的检测率以及较低的误检数。