基于HOG+CNN的交通标志的实时检测方法

摘要

本发明公开一种基于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。本发明能有效增强交通标志检测的实时性和准确性。