基于支持向量机的道路交通标志识别的研究
【摘要】:随着科学技术的发展和社会的进步,城市交通拥挤特别是高速公路的交通事故频发现象日益严重,现已成为交通安全的主要问题之一。于是智能交通系统(ITS)应运而生并得到迅速发展。智能交通系统是一个集检测、通讯、控制和计算机技术于一体的综合系统,其核心技术涉及图像处理、数字信号处理、模式识别、人工智能、信息技术、电子技术、通信技术和系统工程技术等。
道路交通标志识别系统(TSR)是智能交通系统的一个重要子系统。针对交通标志识别系统中对标志的检测和识别两个阶段的关键技术进行了深入的研究。
首先对交通标志识别中常用的图像预处理技术进行归纳总结,并分别进行比较和分析。根据RGB色彩模型的特点对交通标志进行颜色粗分割,其次,对分割后的图像利用Sobel算子进行边缘提取,然后通过孔洞填充、面积滤波以及形状特性提取,最终获得交通标志图像。
在介绍交通标志的基本知识以及设置原则的基础上,通过对道路交通标志颜色—形状特征的归纳,设计出一种基于颜色—形状特征的交通标志图像识别的算法。
通过对统计学习理论和支持向量机原理的学习,提出一种基于支持向量机的交通标志识别模型。根据交通标志颜色和形状属性的对应关系,分别提取交通标志的形状特征和不变矩特征作为神经网络的两级输入,从而完成交通标志的形状分类和类型判别功能。该方法优化了系统流程,提高了准确率,同时降低了系统的复杂度。
|
|
|
|
1 |
汪驭超;曹嘉;;基于Matlab分析的Gabor滤波技术和SVM在交通标志识别中的应用研究[J];公路交通科技(应用技术版);2011年05期 |
2 |
朱金好,罗晓萍;基于决策树型SVM的交通标志图像识别[J];长沙理工大学学报;2004年02期 |
3 |
陈兴;贾银山;;基于支持向量机的交通标志识别方法研究[J];科学技术与工程;2011年08期 |
4 |
阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期 |
5 |
吴成东,杜崇峰,杨丽英;基于误差修正码的支持向量机大类别分类方法[J];沈阳建筑工程学院学报(自然科学版);2004年01期 |
6 |
胡桥,何正嘉,张周锁,訾艳阳;经验模式分解模糊特征提取的支持向量机混合诊断模型[J];西安交通大学学报;2005年03期 |
7 |
杨凌,刘玉树;基于支持向量机的坦克识别算法[J];影像技术;2005年02期 |
8 |
胡正平;基于模糊K近邻决策的柔性SVM分类算法[J];仪器仪表学报;2005年S2期 |
9 |
李忠伟,张健沛,杨静;基于支持向量机的增量学习算法研究[J];哈尔滨工程大学学报;2005年05期 |
10 |
王春歆;李连;张玉叶;;树形结构SVMs多类分类的研究[J];海军航空工程学院学报;2005年02期 |
11 |
李亚巍;卞双;;支持向量回归机理论及其应用[J];中国电力教育;2005年S2期 |
12 |
任博;张喜斌;张恒喜;;基于最小二乘支持向量机的飞机备件多元分类[J];电光与控制;2006年02期 |
13 |
肖汉光;蔡从中;王万录;;利用支持向量机SVM~★识别车辆类型[J];重庆大学学报(自然科学版);2006年01期 |
14 |
潘翔;李洁冰;;一种基于支持向量机的目标定位方法[J];浙江大学学报(工学版);2006年03期 |
15 |
于昕;韩崇昭;雷明明;;支持向量机在目标分类中的应用[J];电光与控制;2006年04期 |
16 |
韦振中;黄廷磊;;基于支持向量机和遗传算法的特征选择[J];广西工学院学报;2006年02期 |
17 |
涂宏斌;周新建;;一种基于支持向量机的轴承表面缺陷检测方法[J];华东交通大学学报;2006年04期 |
18 |
涂宏斌;周新建;;基于支持向量机的轴承表面缺陷检测[J];现代制造工程;2006年09期 |
19 |
廖杰;王文圣;李跃清;黄伟军;;支持向量机及其在径流预测中的应用[J];四川大学学报(工程科学版);2006年06期 |
20 |
王锐;胡容兵;王志勇;;基于支持向量机的武器装备批量生产经济性分析[J];海军航空工程学院学报;2006年06期 |
|