[发明专利]基于PCA降维的HOG-MBLBP融合特征的交通标志识别方法

说明书

本发明提供一种基于PCA降维的HOG‑MBLBP融合特征的交通标志识别方法。本发明方法，包括：利用训练样本训练分类器模型；构造训练样本库；提取所确定训练集中训练样本图像，进行灰度化，提取HOG特征和MBLBP特征；串联HOG和MBLBP两种特征向量得到HOG‑MBLBP融合特征向量；将得到的所述融合特征向量使用PCA算法进行降维；使用线性支持向量机SVM算法对得到的降维后的所述融合特征向量进行训练，获得SVM交通标志分类器；得到交通标志图像；利用分类器模型识别交通标志图像。本发明的技术方案解决了现有技术中的交通标志识别方法识别准确率不高，运算时间较长，难以满足车载实时性的需求的问题。

技术领域

本发明涉及机器视觉和图像处理技术领域，具体而言，尤其涉及一种基于PCA降维的HOG-MBLBP融合特征的交通标志识别方法。

背景技术

如今，机动车辆逐渐地成为人们的代步工具。在机动车辆的数量增加的同时伴随着交通拥堵的加剧，传统的交通技术已经难以满足当今经济社会高速发展的要求，智能交通系统受到专家学者的高度重视。智能交通系统是集信息通信、自动控制、传感技术以及计算机等多种技术有机的结合并运用在交通运输管理中。智能交通系统的建立使得交通运输的效率提高，从而缓解交通阻塞，减少交通事故。先进的驾驶辅助系统作为智能交通的一个组成部分而得到广泛的研究，而交通标志检测和识别系统是该系统的重要组成部分。

交通标志识别(Traffic Sign Recognition，TSR)作为先进辅助驾驶系统的一个子系统，引起了人们的广泛关注和重视，TSR主要包括交通标志检测和交通标志识别两个部分。交通标志检测即从图像中找出标志；识别即对检测到的标志进行精确分类确定其类别。交通标志牌包含重要的道路信息，它是司机和行人安全驾驶和出行的重要保证。

现阶段交通标志识别方法识别准确率不高，运算时间较长，难以满足车载实时性的需求。

发明内容

根据上述提出现阶段交通标志识别方法识别准确率不高，运算时间较长，难以满足车载实时性的需求的技术问题，而提供一种基于PCA降维的HOG-MBLBP融合特征的交通标志识别方法。本发明采用的技术手段如下：

一种基于PCA降维的HOG-MBLBP融合特征的交通标志识别方法，包括以下步骤：

S1、利用训练样本训练分类器模型。

S11、构造训练样本库，包含各种类型交通标志的图片。

S12、提取步骤S11所确定训练集中训练样本图像，进行灰度化，提取HOG(Historgram of gradient)特征。

S13、提取步骤S11所确定训练集中训练样本图像，提取MBLBP(Multiscale BlockLocal Binary Pattern)特征。

S14、串联步骤S12和步骤13中HOG和MBLBP两种特征向量得到HOG-MBLBP融合特征向量。

S15、将得到的所述融合特征向量使用PCA(Principal Component Analysis)算法进行降维。

S16、使用线性支持向量机SVM(Support Vector Machine)算法对步骤S15得到的降维后的所述融合特征向量进行训练，获得SVM交通标志分类器。

S2、检测定位图像中感兴趣区域ROI(region of interest)，即得到交通标志图像。

S3、利用分类器模型识别交通标志图像。

S31、对步骤S2中检测定位的交通标志图像灰度化处理。

S32、提取经灰度化处理的交通标志图像的HOG-MBLBP融合特征。

S33、将融合特征进行PCA降维。