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
Traffic sign detection and recognition based on color features and improved support vector machine algorithm
-
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.Abstract: Aiming at the low accuracy in detection and recognition of traffic sign,a traffic sign detection and recognition method was proposed based on image HSV color space segmentation and improved SVM algorithm. By setting up the HSV color space segmentation model,the shape threshold was set to accurately obtain the traffic sign area in the image after the initial color segmentation of the traffic sign. The Hu invariant moment method was used to extract feature vectors in the image to be identified,and the SVM classifier was used for training classification. There was no uniform standard for the selection of kernel function parameters for SVM algorithm. The wolves algorithm was used to optimize the selection of SVM parameters. Finally,the optimized SVM algorithm was used to complete the recognition of the meaning of traffic signs.The verification experiment result showed that the detection and recognition method proposed could effectively detect and classify the traffic sign area,and had higher accuracy.
-
-
[1]
贾祝广,孙效玉,王斌,等.无人驾驶技术研究及展望[J].矿业装备,2014(5):44.
-
[2]
肖艳秋,李勇,杜江恒.基于路段划分的车辆协同感知自组织交通系统构建[J].轻工学报,2017,32(6):94.
-
[3]
金广智,石林锁,刘均超,等.基于邻域加权与RGB色彩分量的图像匹配算法[J].红外技术,2016,38(3):225.
-
[4]
谭兵,高歌,陈心睿.基于颜色和形状的道路交通标志检测[J].现代商贸工业,2017(13):195.
-
[5]
郝博闻,梁宇峰,李文强,等.基于颜色空间和模板匹配的交通标志检测方法[J].智能计算机与应用,2016,6(4):20.
-
[6]
刘占文,赵祥模,李强,等.基于图模型与卷积神经网络的交通标志识别方法[J].交通运输工程学报,2016,16(5):122.
-
[7]
潘铭星,孙涵.自然场景中道路交通标志形状的检测与校正[J].计算机与现代化,2016(2):5.
-
[8]
李楠,刘永强,韩国华.直方图均衡化在数字图像处理中的应用[J].甘肃科技,2010,26(18):59.
-
[9]
顾明,郑林涛,尤政.基于颜色空间转换的交通图像增强算法[J].仪器仪表学报,2015,36(8):1901.
-
[10]
王肖,李华,章永进,等.基于HSV颜色空间的交通标志的定位与分类方法研究[C]//2010中国汽车工程学会年会论文集.北京:机械工业出版社,2010.
-
[11]
HU M K.Visual pattern recognition by moment invariant[J].IRE Transactions on Information Theory,1962(8):179.
-
[12]
郭明玮,赵宇宙,项俊平,等.基于支持向量机的目标检测算法综述[J].控制与决策,2014(2):193.
-
[13]
刘琰.支持向量机核函数的研究[D].西安:西安电子科技大学,2012.
-
[14]
梁礼明,钟震,陈召阳.支持向量机核函数选择研究与仿真[J].计算机工程与科学,2015,37(6):1135.
-
[15]
朱凤明,樊明龙.混沌粒子群算法对支持向量机模型参数的优化[J].计算机仿真,2010,27(11):183.
-
[16]
杨旭,纪玉波,田雪.基于遗传算法的SVM参数选取[J].辽宁石油化工大学学报,2004,24(1):54.
-
[17]
王东方,邢艺文.基于PSO算法的ISG混合动力汽车传动系参数优化[J].轻工学报,2017,32(5):57.
-
[18]
MIRJALILI S,MIRJALILI S M,LEWIS A.Grey wolf optimizer[J].Advances in Engineering Software,2014,69(3):46.
-
[19]
中国国家标准化管理委员会.道路交通标志和标线第2部分:道路交通标志:GB 5768-2009[S].北京:中国标准出版社,2009.
-
[20]
CHANG C C,LIN C J. LIBSVM:A library for support vector machines[J].ACM Transactions on Intelligent Systems and Technology,2011,2(3):27.
-
[21]
张志佳,李文强,张丹,等.基于颜色与形状特征的交通标志检测方法[J].计算机技术与发展,2015(7):174.
-
[22]
刘东平,单甘霖,张岐龙,等.基于改进遗传算法的支持向量机参数优化[J].网络新媒体技术,2010,31(5):11.
-
[23]
周璐,卢冰原.基于改进粒子群算法的支持向量机参数优化及应用[J].企业文化(下旬刊),2014(2):252. 本刊数字网络传播声明本刊已许可中国知网、万方数据资源系统、维普网、博看网、超星、中国科技论文在线、中教数据库等在其系列数据库产品中以数字化方式复制、汇编、发行、信息网络传播本刊全文.其相关著作权使用费与本刊稿酬一并支付.作者向本刊提交文章发表的行为即视为同意我刊上述声明.
-
[1]
-
点击查看大图
计量
- PDF下载量: 32
- 文章访问数: 2055
- 引证文献数: 0
下载:
