交通標志識別

?

交通標志識別

在視覺物體檢測領域，交通標志識別是一個經常被研究和應用的部分。公共數據集已有很多的數量和種類，以供識別算法的試驗驗證研究。基于兩個大型檢測與分類數據集（分別在比利時和德國進行采集）對現有識別方法進行了研究。研究顯示，如果不經過特殊的修正，現有的行人識別、交通標志識別、數字識別和人臉識別的正確檢出率最高能夠達到95%～99%。

目前，交通標志識別方法的主流是通過模式分類進行的，模式分類分為特征向量提取和分類算法，二者都會影響算法的檢測性能。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行一些預處理，這樣可以使特征更加明顯地顯現出來，避免周圍環境和噪聲的干擾，特征值提取的精準與否直接影響下一步分類器的分類結果。特征值的選取以少為好，這樣可以減少特征值提取的計算量，同時能夠減小分類器的復雜程度。分類方法可選用簡單的閾值方法，也可使用復雜的神經網絡方法，并通過特征值或者特征向量來判斷目標是否屬于某個確定的類。試驗驗證了各種不同選擇方法之間的權衡。從試驗結果來看，最好的方法是使用直方圖特性進行檢測，使用稀疏表示進行分類。

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

編譯：王也