10.13873/J.1000-9787(2017)06-0134-04
基于ICF和多级分类器的交通标志检测
针对传统的基于积分通道特征(ICF)和Adaboost交通标志检测算法,召回率过低和误检率过高的问题,提出了一种两阶段交通标志检测方法.第一阶段对ICF进行谱聚类并结合Adaboost算法学习得到目标感兴趣区域(ROI);第二阶段对所获得的感兴趣区域进行直方图均衡化,利用尺度不变特征变换(SIFT)描述子与支持向量机(SVM)分类器相结合,提高了目标区域检测的准确性.通过德国交通标志数据集(GTSDB)的验证,结果表明:采用SICF-Adaboost +SIFT-SVM构建的交通标志级联分类器检测算法相对于传统的ICF-Adaboost算法召回率高且误检率低,适用于真实场景下的交通标志检测.
交通标志检测、形状分类器、谱聚类、积分通道特征、感兴趣区域
36
TP391(计算技术、计算机技术)
国家自然科学基金资助项目61172127;安徽省自然科学基金资助项目1508085MF120
2017-07-04(万方平台首次上网日期,不代表论文的发表时间)
共4页
134-137