基于极大极稳定区域及SVM的交通标志检测

交通标志检测在车辆辅助驾驶系统、自动驾驶等领域是一个重要研究内容,它能即时协助驾驶员或自动驾驶系统有效地检测和识别交通标志.基于该需求,提出了一种基于真实交通场景的交通标志检测方法.首先,选择合适的数据库,将数据库中的道路场景图像转换为灰度图像,并对灰度图像进行简化Gabor滤波处理,强化交通标志的边缘信息.其次,利用区域推荐算法MSERs对Gabor滤波后的特征图进行处理,形成交通标志的推荐区域.最后,通过提取HOG特征,使用SVM进行分类.通过实验,分析了简化Gabor滤波器的特征提取性能、SG-MSERs区域推荐及筛选的性能,并且得到了算法的大类分类准确率以及所需要的处理时间.实验结果表明,所提算法在GTSDB和CSTD数据集上都获得了较好的检测性能,基本满足实时处理的需求.