基于Zernike不变矩与SVM的交通标志的识别.pdf

第32卷第12期
路父通科技
Vol.32N0.]2
2015年12月
ournal of Highway and Transputtation Research and Development
Dec.2015
doi:10.3969バj.i59n.1002-0268.2015.12.02
基于 Zernike不変矩与SWM的交通标志的识别
王雁,穆春阳
(北方民诙大学信息与通信技术研究所、宁夏银川750021
摘要:为了解决复杂环境中采集的交通标志出现不同程度的几何失真现象,将不变矩具有的平移、旋转及比例編放
变性特征用于图像识别中。首先对困像进行预处理,然后分别提取图像的7 price和Hl不变矩特征,建立了相对
应的 legturedata数据集,最后将数据集输入支持向量机进行了目标分美,对德国公开的交通标志标准数据库
( GTSRE)中的识别因库及实时米集的像进行了测试。试验结果表明:与Hu不变矩比较,授取图像7 Zernike不变矩
与支持向量机的识别方法对复杂环境中的交通标志识别县有更高的识別率和实时性
关键词:智能交通系统;交通标志识别: Zernike不変矩;支持向量机;特征数据集
中图分类号:TPI8
文献标识码:
文章编号:1002-(268(2015)12-0128-05
Traffic Sign Recognition Based on Zernike variant Moment and SVM
WANG Yan. MG Chun-yang, MA Xing
Institute of Information and Communication Technology, Northem University of Nationalities, Yinchuan ingxia 750021, hina)
Abstract In order to solve the traffic signs appear different degrees of geometric distortion in complex
environment, the invariant moment which with translation, rotation and scaling invariance characteristics is
used in image recognition. First, the images are pre-processed. Then, Zernike and Ilu invariant moments of
the images are extracted to establish the corresponding feature data set. Finally, the data set is imput into
VM for target elassification. The test is conducted by using the recognition image database included in
Traffic Sign Recognition Benchmark (GTSRB and real-time collected images. The experimental
result shows that the mcthod of cxtracting image Zernike invariant moments and SVM recognition has higher
real-time and recognition rate [or traffie sign recognition in a complex environment than Hu invariant moment
Key words ITS: traffic sign recognition; Zernike invariant moment; support veetor machine(SVM)
characteristic data set
信息传递给驾驶员,有效地帮助驾驶员对可能的危
0引言
险做岀预测,从而实现安全驾驶
汽车的飞速发展,为人们日常生活的出行提供
交通标志识别系统分为檢测和识别两部分,检
了便利,但也带来了各种问题,交通拥堵,交通事测部分对输入系统的图像进行定位,确定是否存在
故频频发生。欧洲致力于提高道路行驶安全性的组交通志标志;识别部分对檢测到的交通标志进行分
织高度评价了交通标志的良好可视性在避免车辆类,确定其属于特定的交通标志种类。国内外对交
发生不中起到的重要性。因此,交通标志识别系通标志的识别巳经做了大量的研究,目前采用的识
统得到了广泛的关注,系统可以实时准确地将道路别算法有模板配和神经网络识别,但是识别结果
收稿日斯:2015?01-20
某金项目:国家自然科学基金项目(616005,611300);发白然科学基金项月(NZ14107);机器人技术与系统家重点实验室开放
研究基金项仔く SKLRS-2013-MS-05
作者简介:王雁(198-),女,陕西消賄入,预士研究生.(wz1035206909163.com)
万方数括