基于特征融合和字典学习的交通标志识别

• 作者: 姚汉利 赵金金 鲍文霞
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 交通标志识别 融合稀疏 广义典型相关分析 HOG GIST K-SVD
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 51-55
• 页数: 5页
• 分类号: TP39
• 字数: 4614字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2018.01.011

摘要

由于类别的多样性、内部结构的相似性以及外界环境等因素的影响,交通标志识别一直是人工智能与模式识别领域中的难题之一,而影响识别准确性的主要因素是特征的鉴别性与冗余性.为了提高交通标志的识别准确性,提出了融合稀疏表示的方法.首先提取交通标志的HOG与GIST特征,再使用广义典型相关分析对提取的两个特征进行融合,融合得到的特征既保留了两个特征的有效信息,同时也增强了特征的鉴别性,但多特征的融合,难免会产生一定的冗余性.在不降低特征鉴别性的前提下,为了减少其冗余性,最后使用K-SVD对其进行字典学习稀疏表示.实验结果表明,交通标志的融合稀疏方法的效果明显优于大多数的识别方法,即使用线性SVM在GTSRB数据集上的分类准确率为99.23％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍文霞	安徽大学电子信息工程学院	56	472	11.0	20.0
2	赵金金	安徽大学电子信息工程学院	4	10	2.0	3.0
3	姚汉利	安徽大学电子信息工程学院	2	8	1.0	2.0