?

交通標(biāo)志識(shí)別

在視覺(jué)物體檢測(cè)領(lǐng)域，交通標(biāo)志識(shí)別是一個(gè)經(jīng)常被研究和應(yīng)用的部分。公共數(shù)據(jù)集已有很多的數(shù)量和種類，以供識(shí)別算法的試驗(yàn)驗(yàn)證研究。基于兩個(gè)大型檢測(cè)與分類數(shù)據(jù)集（分別在比利時(shí)和德國(guó)進(jìn)行采集）對(duì)現(xiàn)有識(shí)別方法進(jìn)行了研究。研究顯示，如果不經(jīng)過(guò)特殊的修正，現(xiàn)有的行人識(shí)別、交通標(biāo)志識(shí)別、數(shù)字識(shí)別和人臉識(shí)別的正確檢出率最高能夠達(dá)到95%～99%。

目前，交通標(biāo)志識(shí)別方法的主流是通過(guò)模式分類進(jìn)行的，模式分類分為特征向量提取和分類算法，二者都會(huì)影響算法的檢測(cè)性能。特征值的提取有很多種方法，有的基于顏色與形狀，有的基于直方圖特征。特征值提取之前通常還要進(jìn)行一些預(yù)處理，這樣可以使特征更加明顯地顯現(xiàn)出來(lái)，避免周圍環(huán)境和噪聲的干擾，特征值提取的精準(zhǔn)與否直接影響下一步分類器的分類結(jié)果。特征值的選取以少為好，這樣可以減少特征值提取的計(jì)算量，同時(shí)能夠減小分類器的復(fù)雜程度。分類方法可選用簡(jiǎn)單的閾值方法，也可使用復(fù)雜的神經(jīng)網(wǎng)絡(luò)方法，并通過(guò)特征值或者特征向量來(lái)判斷目標(biāo)是否屬于某個(gè)確定的類。試驗(yàn)驗(yàn)證了各種不同選擇方法之間的權(quán)衡。從試驗(yàn)結(jié)果來(lái)看，最好的方法是使用直方圖特性進(jìn)行檢測(cè)，使用稀疏表示進(jìn)行分類。

Markus Mathias et al. Neural Networks (IJCNN), The 2013 International Joint Conference.

編譯：王也