[发明专利]一种基于稀疏自编码和稀疏表示进行交通标志识别的方法

说明书

技术领域

本发明涉及计算机自动控制应用领域，具体涉及一种基于基于稀疏自编码和稀疏 表示进行交通标志识别的方法。

背景技术

智能交通系统由于其安全、可靠、高效的特性，受到交通管理部门越来越多的重 视。交通标志识别是智能交通的重要组成部分，在无人驾驶、辅助驾驶、交通标志维护等多 方面有着重要作用。人类视觉系统可以容易地识别交通标志，然而，让计算机对交通标志进 行识别仍是一个极具挑战性的课题。在真实的交通场景中，由于天气变化，光照条件，局部 遮挡，尺度变化，背景干扰，某些不同类交通标志之间较小的类间距离等问题使得交通标志 识别方法的研究远未达到成熟。因此，找到一种能够克服上述困难，对交通标志图片进行有 效识别方法具有重要意义。

当前的交通标志识别方法一般分为两个步骤：特征提取和分类器设计。在特征提 取阶段，研究者使用的特征通常是Haar特征，类别显著性特征，距离变换特征，HOG特征等。 然而，这些特征通常是根据某些先验知识手动设计得到的，对于交通标志识别任务来说，手 动设计的方式无法提取足够充分的特征；在分类器设计阶段，通常需要确定分类器的参数， 增加整个识别算法的计算复杂度。稀疏自编码模型可以自动提取输入数据的充分有效特 征，运用稀疏表示原理完成测试样本的重构可以避免分类过程的分类器设计。

近来，稀疏自编码模型成为机器学习领域的研究热点，该模型可以在无人工干预 的情况下，提取输入数据的充分有效特征，该模型提取的特征信息包含在权重字典中。稀疏 表示在计算机视觉领域有着广泛应用，它将输入信号建模成字典中少数原子的线性组合。 使用稀疏自编码模型获得的权重字典，采用稀疏表示原理获得测试图像块的稀疏系数，从 而获得重构图像块，最后根据重构图像块与测试图像块之间距离的大小完成识别。

发明内容

本发明的目的在于提供一种基于基于稀疏自编码和稀疏表示进行交通标志识别 的方法，有效解决现有识别方法特征提取不充分、分类器设计带来的高计算复杂度问题。

一种基于稀疏自编码和稀疏表示进行交通标志识别的方法，包括：

(1)搜集包含有交通标志的图片，手工将其分成l类，分别记为：C₁,C₂,...,C_l；

(2)对每一类含有交通标志的图片进行取块，图像块的大小相同，每一类的图像块 分别记为：P₁,P₂,...,P_l；

(3)对图像块P₁,P₂,...,P_l进行预处理(包括正规化和白化)，预处理后的图像块记 为：P₁',P₂',...,P_l'；

(4)将P₁',P₂',...,P_l'作为训练样本，分别训练l个稀疏自编码器，获取的权重字 典分别记为：D₁,D₂,...,D_l；

(5)取一幅包含未知交通标志的测试图片，取与(1)中大小相同的图像块，记为：X；

(6)运用稀疏表示原理，采用OMP算法，分别计算X在权重字典D₁,D₂,...,D_l下的稀 疏系数：α₁,α₂,...,α_l；

(7)分别计算||X-D₁α₁||_F,||X-D₂α₂||_F,...,||X-D_lα_l||_F，选择F范数最小的字典类 别作为测试图片的交通标志识别结果。

上述步骤(1)的具体步骤为：搜集含有交通标志的图片，人工将其分成l类，记为： C₁,C₂,...,C_l。C₁,C₂,...,C_l中的图片，尽量包含多张不同光照、天气、尺度、遮挡等情况的照 片，并将每幅图片变成128×128。