【摘要】：交通標(biāo)志識(shí)別(TSR)系統(tǒng)是智能交通系統(tǒng)的重要研究方向。道路交通環(huán)境復(fù)雜、交通標(biāo)志數(shù)據(jù)庫(kù)規(guī)模龐大等因素導(dǎo)致在設(shè)計(jì)TSR系統(tǒng)可行性方案時(shí)必須考慮計(jì)算復(fù)雜度和識(shí)別率。提出了一種高效且快速的基于改進(jìn)主成分分析(PCA)法和極限學(xué)習(xí)機(jī)(ELM)的TSR算法,被稱為PCA-HOG。該算法首先提取交通標(biāo)志數(shù)據(jù)庫(kù)中每個(gè)交通標(biāo)志的梯度方向直方圖(HOG)特征,利用改進(jìn)PCA算法對(duì)提取出的HOG特征進(jìn)行降維處理,之后利用降維后的HOG特征進(jìn)行ELM模型訓(xùn)練,利用經(jīng)過(guò)訓(xùn)練的ELM模型識(shí)別測(cè)試圖片。實(shí)驗(yàn)結(jié)果表明,基于PCAHOG和ELM模型的交通標(biāo)志識(shí)別算法獲得的計(jì)算復(fù)雜度低,圖像識(shí)別率可達(dá)97.69%。
[Abstract]:Traffic sign recognition (TSR) system is an important research direction of intelligent transportation system. Because of the complexity of road traffic environment and the large scale of traffic sign database, it is necessary to consider the computational complexity and recognition rate in designing the feasible scheme of TSR system. An efficient and fast TSR algorithm based on improved principal component analysis (PCA) and extreme learning machine (ELM) is proposed, which is called PCA-HOG.. The algorithm firstly extracts the (HOG) feature of the gradient direction histogram of each traffic sign in the traffic sign database, uses the improved PCA algorithm to reduce the dimension of the extracted HOG feature, and then uses the reduced dimension HOG feature to train the ELM model. The trained ELM model is used to identify the test pictures. The experimental results show that the traffic sign recognition algorithm based on PCAHOG and ELM model has low computational complexity and the image recognition rate can reach 97.69%.
【作者單位】： 天津大學(xué)電子信息工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61372145) 天津大學(xué)獨(dú)立創(chuàng)新基金(2015XZC-0005)
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王海珍;廉佐政;滕艷平;;基于小生境技術(shù)的火災(zāi)圖像識(shí)別算法[J];計(jì)算機(jī)工程與科學(xué);2010年11期

2 霍云;宗光華;孫明磊;張杰;畢樹生;;基于對(duì)稱特征相似性的圖像識(shí)別算法研究[J];光學(xué)技術(shù);2009年02期

3 王瀟茵;胡昌振;;基于直覺模糊——神經(jīng)網(wǎng)絡(luò)的色情圖像識(shí)別算法[J];信息網(wǎng)絡(luò)安全;2009年07期

4 王宏;莫裕孟;尹莉軍;向時(shí)平;;野外復(fù)雜背景下輕武器射擊目標(biāo)的圖像識(shí)別算法[J];火力與指揮控制;2009年07期

5 楊立玲;胡躍明;王婷;戚其豐;;基于小波結(jié)構(gòu)矩的圖像識(shí)別算法[J];半導(dǎo)體技術(shù);2009年11期

6 蔡政;丁宣浩;陳麗霞;劉憶寧;;敏感圖像識(shí)別算法研究[J];企業(yè)科技與發(fā)展;2012年05期

7 程詠梅,潘泉,張洪才,王剛;計(jì)算機(jī)智能圖像識(shí)別算法研究[J];計(jì)算機(jī)應(yīng)用;2004年02期

8 張锏;;基于區(qū)域的圖像識(shí)別算法研究[J];電腦知識(shí)與技術(shù);2010年29期

9 趙穎;孫群;葛廣英;;美國(guó)白蛾幼蟲網(wǎng)幕圖像識(shí)別算法[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2013年09期

10 舒杰磊;;電視透明臺(tái)標(biāo)的圖像識(shí)別算法研究[J];數(shù)字通信世界;2009年08期

相關(guān)會(huì)議論文 前1條

1 張冬娟;唐萬(wàn)有;;基于投影特征的燙印圖像識(shí)別算法的研究[A];2013中國(guó)食品包裝學(xué)術(shù)會(huì)議論文摘要集[C];2013年

相關(guān)碩士學(xué)位論文 前10條

1 王銀立;輸電線路導(dǎo)線斷股及絕緣子自爆的圖像識(shí)別算法研究[D];電子科技大學(xué);2014年

2 胡偉;一種新型的太陽(yáng)能硅片數(shù)片機(jī)[D];中國(guó)計(jì)量學(xué)院;2015年

3 孫吉祥;果蠅求偶行為的圖像識(shí)別算法研究[D];南京農(nóng)業(yè)大學(xué);2014年

4 盧始亮;手掌靜脈圖像識(shí)別算法的設(shè)計(jì)與移植[D];浙江工業(yè)大學(xué);2015年

5 韓修禮;面向移動(dòng)設(shè)備的圖像識(shí)別算法研究[D];北京交通大學(xué);2016年

6 王靜;基于ICA和ELM的圖像識(shí)別算法研究[D];中國(guó)海洋大學(xué);2015年

7 傅天駒;基于深度學(xué)習(xí)的林火圖像識(shí)別算法及實(shí)現(xiàn)[D];北京林業(yè)大學(xué);2016年

8 王明瀟;圖像識(shí)別算法研究及其智能終端上的實(shí)現(xiàn)[D];北京郵電大學(xué);2010年

9 張綠云;基于奇異值分解與正交可判別向量的圖像識(shí)別算法研究[D];廣西師范大學(xué);2013年

10 魏正宜;紙幣圖像識(shí)別算法的研究[D];哈爾濱理工大學(xué);2009年

，

本文編號(hào)：2442438