基于网格搜索的PCA-SVM道路交通标志识别  

Traffic Sign Recognition Based on PCA-SVM with Grid Search

作　　者：吴峰[1] 陈后金[1] 姚畅[1] 郝晓莉[1] 

机构地区：[1]北京交通大学电子信息工程学院,北京100044

出　　处：《铁道学报》2014年第11期60-64,共5页Journal of the China Railway Society

基　　金：国家自然科学基金(61201363;61271305);高等学校博士学科点专项科研基金(20110009110001);中央高校基本科研业务费(2010JBZ010;2014JBM020)

摘　　要：针对现有识别方法对交通标志的识别精度和算法效率不高的问题,提出了一种基于网格搜索的主成分分析-支持向量机(PCA-SVM)道路交通标志识别方法。该方法首先采用主成分分析(PCA)法对交通标志进行降维处理,提取出交通标志的主元特征,然后利用网格搜索法(GS)对支持向量机(SVM)进行参数优化,最后利用参数优化好的支持向量机分类器实现对交通标志的识别。通过实验仿真,并与现有的其他交通标志识别算法进行分析对比,实验结果表明,本文方法在保证较高识别精度的同时,算法效率得到显著提高。Considering the low accuracy and efficiency of existing traffic sign recognition methods,a new meth-od based on principal component analysis-support vector machine （PCA-SVM）with grid search （GS）was pro-posed for traffic sign recognition.First,the principal component analysis （PCA）method was used to reduce di-mensionality and extract pivot characteristics of traffic signs.Then the grid search technique was applied to op-timize the parameters of support vector machine （SVM）.Finally,the traffic sign was recognized by using the trained SVM classifier.Experimental results indicate that the proposed method achieves high accuracy and sig-nificantly improved efficiency for traffic sign recognition.

关 键 词：网格搜索(GS) 主成分分析(PCA) 支持向量机(SVM) 道路交通标志识别 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术]