10.16208/j.issn1000-7024.2016.12.032
Twin-SVM和Twin-KSVC标志物检测与分类方法
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.
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
37
TP391(计算技术、计算机技术)
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
2017-01-05(万方平台首次上网日期,不代表论文的发表时间)
共5页
3306-3310