基于多特征融合的交通标识实时分类与识别

摘要：

针对交通标识分类识别过程中因样本类别之间的不平衡常使分类器性能减弱且实时性较差的问题,提出一种基于多特征融合的交通标识实时分类识别方法.首先,选取具有较强鲁棒性的HSV颜色空间对标识图像进行阈值分割处理,分割出交通标识所在的感兴趣区域;其次,提出一种HOG-MBLBP特征融合算法,通过支持向量机分类算法,实现交通标识的精确分类识别;最后,针对视频图像中交通标识识别实时性问题,采用自适应卡尔曼滤波算法进行交通标识的跟踪识别.实验结果表明该方法具有97.88％的分类准确率且具有较好的实时性.

关键词：交通标识、HSV颜色分割、特征融合、支持向量机、卡尔曼滤波、跟踪识别

所属期刊栏目：42

分类号：TN911.73-34

资助基金：江苏省"六大人才高峰"项目XXR-012

在线出版日期：2019-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：50-53,58