一种基于最大稳定极值区域和遗传优化SVM的交通标志识别方法

摘要

本发明提供了一种基于最大稳定极值区域和遗传优化SVM的交通标志识别方法，属于图像处理技术领域。运用分块HOG特征向量作为待识别区域边缘检测和图像分割的方法，能够在一定程度上抑制平移和旋转带来的影响，并降低图像因光照强度变化带来的干扰。同时，分块HOG相比传统HOG维度大幅降低，提升运算效率。在分类识别阶段运用基于自适应交叉变异的改进遗传优化最优参数搜索算法，计算出最优的SVM分类器参数，避免了人工标记的易错性和机器训练的大量耗时，综合各方法的优势，较好地平衡了准确性和实时性的要求，实现了交通标志的自动检测和识别。该发明对德国交通标识检测标准数据库中的测试图片进行了识别，得到了较好效果。