[发明专利]一种基于核超限学习机的快速交通标识检测方法

摘要

本发明公开了一种基于核超限学习机的快速交通标识检测方法，属于图像信号处理及模式识别领域。首先，首先，读取原始样本图像，利用基于BING的objectness方法，产生可能包含交通标识的区域，提取候选区域的HOG特征，送入核超限学习机分类器中，得到最后的检测结果；本发明摒弃传统的滑动窗口扫描方法，使用BING算法减少搜索空间，提高检测速度。传统的ELM算法是单隐层结构，在分析复杂信号方面有很大的局限性，本发明采取KELM进行分类检测，核超限学习机可以使学习模型更加稳定、泛化性能更强，提升了检测性能，并且保持了ELM低耗时的优势。

主权项

一种基于核超限学习机的快速交通标识检测方法，其特征在于：首先，读取原始样本图像，利用基于BING的objectness方法，筛选出可能包含交通标识的候选区域，根据阈值提取相应候选区域的HOG特征，送入核超限学习机分类器中，得到最后的检测结果；基于核超限学习机的快速交通标识检测方法，包括以下步骤：步骤一，读取原始样本图像，将原图像缩放到预定义大小，计算图像的规范梯度特征即NG特征，对NG特征进行二值化处理，得到BING特征映射图；步骤二，利用8*8大小的滑动窗口扫描步骤一得到的BING特征映射图；步骤三，利用第一级SVM线性模型计算步骤二得到的所有窗口的滤波分数，分数越高，包含物体的概率越大；步骤四，根据步骤三得到的分数，在每一预定义尺寸下使用非极大值抑制算法选择部分窗口作为包含物体的候选窗口，使用第二级SVM线性模型计算所有候选窗口的物体分数；步骤五，根据物体分数对窗口进行排序，选取分数高于一定阈值的窗口作为物体区域，并对这些窗口提取HOG特征，输入到核超限学习机中进行分类，得到检测结果。