基于混合预测模型的交通标志识别方法 |
| |
引用本文: | 丁博,王水凡.基于混合预测模型的交通标志识别方法[J].哈尔滨理工大学学报,2019,24(5). |
| |
作者姓名: | 丁博 王水凡 |
| |
作者单位: | 哈尔滨理工大学计算机科学与技术学院,黑龙江哈尔滨,150080 |
| |
基金项目: | 国家自然科学基金;人才培养项目 |
| |
摘 要: | 随着高级驾驶辅助系统(advanced driver assistance systems, ADAS)和无人驾驶技术快速发展,交通标志识别方法成为一个重要的研究方向。为了辅助驾驶员实现安全驾驶,减少交通事故的发生,将AdaBoost-SVM和卷积神经网络(convolutional neural network, CNN)相结合,构建一个混合预测模型(mixed forecasting model, MFM),通过该模型识别交通标志。将卷积神经网络作为可训练的特征提取器,AdaBoost-SVM作为识别器。采用卷积层和下采样层构建两组隐层结构,将预处理的图像作为CNN模型的输入,利用反向传播算法(backpropagation, BP)对CNN模型进行训练直至收敛,最后将测试集的高维特征提取出来,采用AdaBoost-SVM分类器进行分类识别。实验结果表明,该MFM对交通标志具有很高的识别率和鲁棒性,且识别率和收敛时效都优于其他传统算法,对提高辅助驾驶和无人驾驶的安全性具有重要意义。
|
关 键 词: | 混合预测模型 卷积神经网络 反向传播算法 AdaBoost-SVM分类器 交通标志 |
本文献已被 CNKI 万方数据 等数据库收录! |
|