文献类型：期刊文章

作　　者：梁敏健[1,2] 崔啸宇[1,3] 宋青松[1,4] 赵祥模[1]

LIANG Min-jian CUI Xiao-yu SONG Qing-song ZHAO Xiang-mo(School of Information Engineering, Chang＇an Universky, Xi＇an 710064, Shaanxi, Cbina Branch of Zhuhai, Guangdong Institute of Special Equipment Inspection and Research, Zhuhai 519002, Guangdong, China Dongfeng Peugeot Citroen Automobile Co. , Ltd. , Wuhan 430056, Hubei, China Department of Civil and Materials Engineering, University of Illinois at Chicago, Chicago 60607, Illinois, USA)

机构地区：[1]长安大学信息工程学院,陕西西安710064 [2]广东省特种设备检测研究院珠海检测院,广东珠海519002 [3]神龙汽车有限公司,湖北武汉430056 [4]伊利诺伊大学芝加哥分校土木与材料工程系,伊利诺伊芝加哥60607

出　　处：《交通运输工程学报》

基　　金：国家自然科学基金项目(61201406);中央高校基本科研业务费专项资金项目(310824162022)

年　　份：2017

卷　　号：17

期　　号：3

起止页码：151-158

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了提高交通标志识别的正确率和实时性,提出了一种基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法。采用Gamma矫正方法提取HOG特征,采用对比度受限的自适应直方图均衡化方法提取Gabor特征,基于线性特征融合原理,将提取的HOG和Gabor特征向量直接串联,得到刻画交通标志的融合特征向量,采用Softmax分类器对融合特征向量进行分类,采用德国交通标志识别基准(GTSRB)数据库测试了所提方法的有效性,比较了基于单特征与融合特征的交通标志识别效果。试验结果表明:在图像增强过程中,针对HOG特征,采用Gamma矫正方法的分类正确率最大,为97.11%,针对Gabor特征,采用限制对比度的直方图均衡化方法的分类正确率最大,为97.54%;采用Softmax分类器的最小分类正确率为97.11%,耗时小于2s;针对HOG-Gabor融合特征,采Softmax分类器的识别率高达97.68%,因此,基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法的识别率高,实时性强。

关 键 词：交通信息工程 智能车 交通标志识别 特征提取  Softmax分类  特征融合  

分 类 号：U491.52[物流管理与工程类]