基于MATLAB的SVM的交通标志识别
摘要:本文针对三种不同的交通标识(直行、右拐和直行左拐)给出了一种基于SVM识别方法。该方法首先在分析训练集交通标识图片特点的基础上,提取它们的PHOG特征向量并形成矩阵形式;然后提取测试集交通标识的PHOG特征向量,最后对测试集利用SVM根据PHOG特征对图像进行识别;仿真结果验证了算法的有效性。
关键词:交通标识;MATLAB; 支持向量机; 图像分类
1 概述
交通标识识别技术是智能交通系统一个重要方面,而且对无人驾驶以及智能车辆的辅助驾驶系统发展有积极推动作用[1]。常用的交通标识识别方法主要有两类:基于颜色方法和基于模板匹配的方法[2]。基于颜色的方法对交通标志所处的外部环境要求高,且容易受噪声影响;基于模板匹配的方法对恶劣环境下的识别有较好的效果,但是其鲁棒性差[2]。机器学习则是利用从已知的数据样本学习,根据某些特征通过某些特定的方法,来对未知的样本数据进行识别,做出正确判断[3]。基于塔式梯度直方图(Pyramid Histogram of Oriented Gradients, PHOG)特征及支持向量机(Support Vector Machine,SVM)