【技术实现步骤摘要】
本专利技术涉及支持向量机道路限速标志识别方法，属于智能交通领域，具体涉及利用GPU实现自适应变异粒子群优化支持向量机的道路限速标志识别方法。
技术介绍
道路限速标志识别是智能交通研究的一个重要分支，有两方面的作用第一，管理交通；第二，引导和警告驾驶者。道路限速标志的自动识别，有利于提高车辆的主动安全性能。道路限速标志识别主要包括两个基本的技术环节(1)限速标志的检测，包括限速标志的定位及图像预处理；(2)限速标志的识别，包括限速标志的特征提取与分类。随着计算智能技术的发展，模板匹配、人工神经网络等方法已在限速标志识别领域得到了成功的应用。基于结构风险最小化准则的支持向量机SVM (Support VectorMachine)对道路标志进行识别，具有良好的泛化能力和较高的识别能力，能够有效避免经典机器学习方法中存在的维数灾难、局部极小、过学习等问题。在SVM分类器中，其相关参数的设置对SVM的识别性能有着决定性影响。粒子群优化算法(PSO)是由Kenned和Eberhart在1995年的IEEE国际神经网络学术会议上提出的一种基于群体智能方法的演化计算技术。与其他...
【技术保护点】
一种基于GPU实现粒子群优化支持向量机对标志识别的方法，其特征在于，包括步骤：对道路限速标志进行二值化特征提取，得到的特征向量作为道路限速标志识别的样本数据库，从中随机选取一部分作为训练集，另一部分作为测试集；将CPU上的初始化种群拷贝到GPU的全局存储器中，映射种群中粒子为支持向量机道路限速标志识别模型中径向基核函数的宽度参数g和误差惩罚参数C；优化宽度参数g和误差惩罚参数C，建立粒子群优化支持向量机道路限速标志识别模型；输入样本训练支持向量机道路限速标志识别模型，对训练集进行交叉验证的准确率作为适应度函数；获得最优位置适应度确定全局最优值Pg，将Pg映射为支持向量机道路...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。