基于HOG+CNN的交通标志的实时检测方法技术

本发明专利技术公开一种基于HOG+CNN的交通标志实时检测方法。该方法选择中国交通标志数据集(Chinese Traffic Sign Detection,CTSD)作为检测方法的训练和测试数据库，载入待测的彩色图片，将图片进行预处理；基于最大稳定极值区域(Maximally Stable Extremal Regions,MSER)的交通标志区域提取；基于梯度方向直方图(Histogram of Oriented Gradient,HOG)和支持向量机(Support Vector Machine,SVM)的交通标志检测，得到识别后的分类结果；使用卷积神经网络(Convolutional Neural Network,CNN)进行交通标志内容的检测与识别。本发明专利技术能有效增强交通标志检测的实时性和准确性。

【技术实现步骤摘要】
基于HOG+CNN的交通标志的实时检测方法
本专利技术属于智能交通领域，特别是基于HOG+CNN的交通标志的实时检测方法。
技术介绍
随着科学技术的飞速发展以及国家城市智能化进程的不断加快，道路交通网络也在日趋完善。各种交通工具的普及，给人们节约了时间，提高了工作效率，同时也给人们带来了交通拥堵、交通噪声以及频发的交通事故等问题。智能交通是解决目前这些问题的一个重要途径。道路中的交通标志所传达的信息在交通行为中的规范、道路功效的保障以及道路状况的知识等方面都起着十分重要的作用。因此，如何在复杂道路环境中快速的自动的检测并识别交通标志是智能交通中不可或缺的一部分，具有极高的实用价值。近年来，各个国家的汽车生产制造商、科研机构以及高校都对这一方面进行了深入的研究。在国外，Kim等人针对现实环境中的交通标示提出了一种结合标示颜色和形状特征的实时检测方法；Anh等使用具有车载传感器的探测车辆沿着测试场所的道路检测交通标志；JackGreenhalgh等提出了一种基于HSV阈值理论的自动检测并识别交通标志文本信息的系统。在国内，华中科技大学的ZhuY和ZhangC等人提出了分为两个阶段的深度学本文档来自技高网...

【技术保护点】
1.基于HOG+CNN的交通标志的实时检测方法，其特征在于，该方法包括以下步骤：步骤S1：将待测图片做图像预处理；步骤S2：基于MSER的交通标志区域特征提取；步骤S3：基于HOG和SVM的交通标志类别检测；步骤S4：基于CNN的交通标志内容识别。

【技术特征摘要】
1.基于HOG+CNN的交通标志的实时检测方法，其特征在于，该方法包括以下步骤：步骤S1：将待测图片做图像预处理；步骤S2：基于MSER的交通标志区域特征提取；步骤S3：基于HOG和SVM的交通标志类别检测；步骤S4：基于CNN的交通标志内容识别。2.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括以下步骤：步骤S11：将待测的彩色图片基于常用颜色空间(RGB(Red,Green,Blue)颜色空间，HSV(Hue,Saturation,Value)颜色空间和Ohta颜色空间)，采用一种处理交通标志颜色信息的颜色概率模型，将彩色图像转换成红，黄，蓝3种颜色的概率图(灰度图)；利用概率模型事先计算所有可能的概率P(Ci|x)，并将结果离线存储在离线存储表(LookupTable,LUT)中，以减少算法的搜索空间和检测时间；步骤S12：使用直方图均衡化对图像进行处理得到灰度图，将原图像分布比较集中的某些灰度区间处理为在整个灰度区间内大致均匀分布的图像，直方图均衡化增强了图像的对比度，使得图像在处理后分布更均匀。3.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：步骤S21：将经过颜色概率模型以及直方图均衡化处理的图像使用MSER分割算法进行分割，得到交通标志区域粗提取结果，其中MS...

【专利技术属性】
技术研发人员：莫红，曾雅琼，舒维安，
申请(专利权)人：长沙理工大学，
类型：发明
国别省市：湖南,43