基于颜色特征和改进支持向量机算法的交通标志检测与识别

被引：27

作者：

肖艳秋 ^{[1
]}

杜江恒 ^{[1
]}

闻萌莎 ^{[2
]}

周坤 ^{[1
]}

焦建强 ^{[1
]}

裴杰 ^{[1
]}

机构：

[1] 郑州轻工业学院机电工程学院

[2] 华东师范大学信息科学技术学院

来源：

轻工学报 | 2018年 / 33卷 / 03期

关键词：

交通标志检测与识别; 特征分割; Hu不变矩; 支持向量机算法; 狼群算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP391.41 [];

学科分类号：

140502 [人工智能];

摘要：

针对交通标志检测与识别精确度不高的问题,提出了一种基于图像HSV颜色空间分割和改进的支持向量机(SVM)算法的交通标志检测与识别方法:通过建立HSV颜色空间分割模型,对交通标志进行初步颜色分割后设置形状阈值,得到图像中精确的交通标志区域;采用基于Hu不变矩的方法提取待识别图像中的特征向量,并导入SVM分类器进行训练分类;利用狼群算法对SVM的核函数参数进行优化选择,最终利用优化后的SVM算法完成对交通标志的含义识别.验证实验结果表明,该检测与识别方法能够有效地检测到交通标志区域并对其分类识别,且具有较高的精确度.

引用

页码：57 / 65

页数：9

共 20 条

[1]

基于路段划分的车辆协同感知自组织交通系统构建 [J].