基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对实景道路拍摄到的交通标志大小不一、光照不均、位置不定等问题,提出了一种基于HOG特征与级联分类器的交通标志检测方法.该方法从训练集的正负样本分别提取HOG特征,完成Adaboost级联分类器的训练;然后针对实景拍摄到的道路图像,把测试样本先进行HSV空间的转化、高斯滤波和直方图均衡等预处理,最后对测试图像进行区域HOG描述子的提取并检测出图像中可能存在的交通标志.实验表明,该方法对亮度不均、大小不一的实景图像交通标志检测具有较高的检测率,对道路环境变化有较强的鲁棒性.
推荐文章
基于卷积神经网络的实景交通标志识别
卷积神经网络
深度学习
交通标志识别
训练
一种基于局部特征的交通标志检测算法的研究
交通标志
识别系统
检测算法
局部特征
基于高稳定SURF特征的交通标志识别
交通标志
目标识别
SURF特征
稳定性
权值计分策略
基于聚类与链码技术的交通标志检测
交通标志检测
聚类
分类器
链码
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于HOG特征的实景交通标志检测
来源期刊 计算机与数字工程 学科 工学
关键词 交通标志检测 图像预处理 GTSDB HOG特征
年,卷(期) 2020,(5) 所属期刊栏目 图像处理
研究方向 页码范围 1217-1221
页数 5页 分类号 TP391.41
字数 3153字 语种 中文
DOI 10.3969/j.issn.1672-9722.2020.05.041
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张尤赛 59 353 9.0 14.0
2 朱信熙 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (6)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1987(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(5)
  • 参考文献(0)
  • 二级参考文献(5)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(5)
  • 参考文献(2)
  • 二级参考文献(3)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
交通标志检测
图像预处理
GTSDB
HOG特征
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机与数字工程
月刊
1672-9722
42-1372/TP
大16开
武汉市东湖新技术开发区凤凰产业园藏龙北路1号
1973
chi
出版文献量(篇)
9945
总下载数(次)
28
总被引数(次)
47579
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导