融合式空间塔式算子和HIK-SVM的交通标志识别研究摘要.PDFVIP

融合式空间塔式算子和HIK-SVM的交通标志识别研究摘要.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第17卷第1期 交通运输系统工程与信息 Vol. 17 No. 1 2017 年 2 月 Journal of Transportation Systems Engineering and Information Technology February 2017 文章编号:1009-6744(2017)01-0220-07 中图分类号:TP181 文献标志码:A DOI:10.16097/ki.1009-6744.2017.01.032 融合式空间塔式算子和HIK-SVM的 交通标志识别研究 * 刘亚辰,陈跃鹏,张赛硕,肖文超 (武汉理工大学 自动化学院,武汉 430070) 摘 要: 在交通标志识别问题上,提出了一种基于融合式的空间塔式算子和直方图交 叉核支持向量机(HIK-SVM)的分类方法.在该方法中,通过提取图像的灰度塔式词袋直方 图(Gray-PHOW)特征、颜色塔式词袋直方图(Color-PHOW)特征和塔式边缘方向梯度直方 图(PHOG)特征来对交通标志的外观、颜色和轮廓信息进行描述.通过提取空间塔式直方 图特征,能很好地对图像各种特征的空间分布状况进行描述.提取到图像的外观、颜色、轮 廓和特征的空间分布信息后,对其进行融合,最后得到的融合式的空间塔式特征具有很 强的鲁棒性.将该融合式特征送入HIK-SVM 进行训练和分类,取得了极其高的识别效果. 关键词: 智能交通;交通标志识别;塔式词袋直方图;塔式边缘方向梯度直方图;支持向 量机;dense SIFT Traffic Sign Recognition Based on Pyramid Histogram Fusion Descriptor and HIK-SVM LIU Ya-chen, CHEN Yue-peng, ZHANG Sai-shuo, XIAO Wen-chao (School of Automation, Wuhan University of Technology, Wuhan 430070, China) Abstract:Abstract: A recognition method is proposed based on the fusion of the spatial pyramid descriptor and the histogram intersection kernel support vector machine (HIK-SVM) on the identification of traffic signs. The appearance, color and contour information of traffic sign characteristics are described by extracting descriptor of gray pyramid histogram of visual words (Gray- PHOW), color pyramid histogram of visual words (Color-PHOW) and pyramid histogram of edge orientations gradients (PHOG) in this method. Spatial distribution of various features of the images can be well described by extracting the descriptor

文档评论(0)

***** + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档