| 基于HOGv-CLBP特征融合和ELM的交通标志识别 |
| |
| 引用本文： | 吴迪,屈宗顺,赵葵银,郭凤姣,李婷,何为.基于HOGv-CLBP特征融合和ELM的交通标志识别[J].光电子．激光,2020(6):621-627. |
| |
| 作者姓名： | 吴迪 屈宗顺 赵葵银 郭凤姣 李婷 何为 |
| |
| 作者单位： | 湖南工程学院 电气与信息工程学院,湖南 湘潭 411004 ;湖南工 程学院,电气与信息工程学院,风电装备与电能变换湖南省协同创新中心,湖南 湘潭 411004,湖南工程学院 电气与信息工程学院,湖南 湘潭 411004,湖南工程学院 电气与信息工程学院,湖南 湘潭 411004 ;湖南工 程学院,电气与信息工程学院,风电装备与电能变换湖南省协同创新中心,湖南 湘潭 411004,湖南工程学院 电气与信息工程学院,湖南 湘潭 411004,湖南工程学院 电气与信息工程学院,湖南 湘潭 411004,湖南工程学院 电气与信息工程学院,湖南 湘潭 411004 |
| |
| 基金项目： | 国家自然科学基金(61263031,61841103)、湖南省教育厅项目(16K024,17A048,18B385,17C0838)和湖南省自然科学基金(2019JJ50106)资助项目 (1.湖南工程学院 电气与信息工程学院,湖南 湘潭 411004; 2.湖南工程学院,电气与信息工程学院,风电装备与电能变换湖南省协同创新中心,湖南 湘潭 411004) |
| |
| 摘 要： | 针对交通标志识别识别率低和时间复杂度大的问题 ,本文提出一种HOGv-CLBP特征融合和极限学习机的交通标志识别算法。首先通过描述交通 标志图像边缘信息的方向梯度直方图(HOG)特征,与能够 表示标志图像内部纹理信息的局部二值模式(LBP)特征融合得到降维后形成一种HOGv-CLB P有效特征, 然后利用ELM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别 率,而且降低了时间复杂度,增强了系统鲁棒性。
|
| 关 键 词： | 交通标志识别 梯度方向直方图 局部二值模式 极限学习机 |
| 收稿时间： | 2019/11/11 0:00:00 |
Traffic sign recognition based on HOGv-LBP feature fusion and extreme learning machine |
| |
| WU Di,QU Zong-shun,ZHAO Kui-yin,GUO Feng-jiao,LI Ting and HE Wei.Traffic sign recognition based on HOGv-LBP feature fusion and extreme learning machine[J].Journal of Optoelectronics·laser,2020(6):621-627. |
| |
| Authors: | WU Di QU Zong-shun ZHAO Kui-yin GUO Feng-jiao LI Ting and HE Wei |
| |
| Affiliation: | College of Electrical and Information Engineering,Hunan Institute of Engineer ing,Xiangtan 411004,China ;Hunan Province Cooperative Innovation Center for Wi nd Power Equipment and Energy Conversion,Hunan Institute of Engineering,Xiangtan 411003,China,College of Electrical and Information Engineering,Hunan Institute of Engineer ing,Xiangtan 411004,China,College of Electrical and Information Engineering,Hunan Institute of Engineer ing,Xiangtan 411004,China ;Hunan Province Cooperative Innovation Center for Wi nd Power Equipment and Energy Conversion,Hunan Institute of Engineering,Xiangtan 411003,China,College of Electrical and Information Engineering,Hunan Institute of Engineer ing,Xiangtan 411004,China,College of Electrical and Information Engineering,Hunan Institute of Engineer ing,Xiangtan 411004,China and College of Electrical and Information Engineering,Hunan Institute of Engineer ing,Xiangtan 411004,China |
| |
| Abstract: | In order to solve the problem of low r ecognition rate and time complexity of traffic sign recognition,this paper proposes an improved HOG feature extraction and extreme learning machine ( ELM) traffic sign recognition algorithm.By describing the direction gradient histogram (HOG) feature of the e dge information of the traffic sign image,and integrating with the local binary pattern (LBP) feature capable of re presenting the internal texture information of the logo image,a HOGv-LBP effective feature is formed and then utilized.ELM conducts traffic sign training and classification.The experimental results show that the proposed alg orithm not only improves the recognition rate of traffic signs,but also reduces the time complexity and enha nces the system robustness. |
| |
| Keywords: | |
|
| 点击此处可从《光电子．激光》浏览原始摘要信息 |
|
点击此处可从《光电子．激光》下载全文 |
|
