[發(fā)明專利]具有自我學(xué)習(xí)能力的實(shí)時(shí)交通標(biāo)記識(shí)別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201410363876.2
• 申請日: 2014-07-29
• 公開（公告）號(hào): CN104134364B
• 公開（公告）日: 2017-02-15
• 發(fā)明（設(shè)計(jì)）人: 李晶晶;魯珂;謝昌元;張旭
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G08G1/0967
• 分類號(hào): G08G1/0967;G06K9/66
• 代理公司: 北京中恒高博知識(shí)產(chǎn)權(quán)代理有限公司11249
• 代理人: 宋敏

1.一種具有自我學(xué)習(xí)能力的實(shí)時(shí)交通信號(hào)識(shí)別方法，其特征在于，包括將采集的圖像數(shù)據(jù)進(jìn)行檢測，從而得到交通標(biāo)志圖像的步驟；

對上述檢測到的交通標(biāo)志圖像采用基于降維的方法進(jìn)行識(shí)別的步驟；

上述基于降維的方法為：將交通標(biāo)志圖像表示為一個(gè)矩陣X，X為高維矩陣，然后將X通過一個(gè)線性映射投影到一個(gè)低維空間，將X對應(yīng)的低維空間矩陣表示為Y，則映射關(guān)系為：

Y＝XA^T，

其中，A是映射矩陣，是通過訓(xùn)練得到的，具體為，在初始化階段，訓(xùn)練庫預(yù)先設(shè)定樣本為訓(xùn)練庫，通過預(yù)先設(shè)定的樣本，得到映射矩陣A，在實(shí)際運(yùn)用中采集到新的交通標(biāo)志圖像后，將代表新的交通標(biāo)志圖像的特征矩陣?yán)肁映射到一個(gè)低維空間，然后利用分類器將低維映射值與樣本映射值分類，得出新的交通標(biāo)志圖像屬于哪類，最終得到識(shí)別結(jié)果，如果識(shí)別正確，則不做處理，如果識(shí)別錯(cuò)誤，則將新的交通標(biāo)志圖像發(fā)送給云端服務(wù)器，云端服務(wù)器將其加入到訓(xùn)練庫中，重新訓(xùn)練得到新的映射矩陣A′，得到A′后，使用網(wǎng)絡(luò)將該映射矩陣傳輸?shù)桨惭b在移動(dòng)終端上的數(shù)據(jù)處理模塊，使用A′替換A，即A′成為新映射矩陣。

2.根據(jù)權(quán)利要求1所述的具有自我學(xué)習(xí)能力的實(shí)時(shí)交通信號(hào)識(shí)別方法，其特征在于，上述利用分類器將低維映射值與樣本映射值分類中的分類器至少包括最近鄰分類器和支持向量機(jī)分類器。

3.根據(jù)權(quán)利要求1或2所述的具有自我學(xué)習(xí)能力的實(shí)時(shí)交通信號(hào)識(shí)別方法，其特征在于，上述基于降維的識(shí)別方法，方法為基于稀疏表示的圖嵌入方法。

4.根據(jù)權(quán)利要求3所述的具有自我學(xué)習(xí)能力的實(shí)時(shí)交通信號(hào)識(shí)別方法，其特征在于，所述基于稀疏表示的圖嵌入方法具體為：

步驟401：將訓(xùn)練庫中的交通標(biāo)志圖像進(jìn)行分類得到分層圖結(jié)構(gòu)，在不同的層分別構(gòu)建類內(nèi)圖和類間圖；

步驟402：將上述分層圖結(jié)構(gòu)應(yīng)用到圖嵌入框架下，得到如下目標(biāo)函數(shù)：

f=Σi,j(yi-yj)2·ww,ijΣi,j(yi-yj)2·wb,ij=yTLwyyTLby=AXTLwXATAXTLbXAT,]]>

其中：y表示低維空間矩陣，X表示采集的樣本集合，W_w表示類內(nèi)圖的權(quán)重矩陣，W_b表示類間圖的權(quán)重矩陣，L_w和L_b分別是類內(nèi)圖和類間圖的拉普拉斯特征矩陣，定義為L＝D-W，D是一個(gè)對角矩陣，D_ii＝Σ_jw_ij，

子空間映射矩陣A通過求解如下式得到：

AX^TL_wXA^T＝λAX^TL_bXA^T，

假設(shè)a₁，a₂，……a_d為求解上式得到的特征向量，λ₁，λ₂，……λ_d為對應(yīng)的特征值，并且滿足條件λ₁<λ₂<……<λ_d，映射關(guān)系表示為：

X→y＝XA^T，A＝[a₁，a₁，......a_d]；

步驟403：引入稀疏表示優(yōu)化步驟402中的圖嵌入；

具體為首先，目標(biāo)函數(shù)定義為：

為了使A滿足稀疏性在目標(biāo)函數(shù)中加入如下的正則項(xiàng)：

min||A||_2，1，

將步驟402中的f轉(zhuǎn)化為如下公式：

min?y^TL_wy

s.t.y^TL_by＝I，

得到最終的目標(biāo)函數(shù)：

其中，ω和為平衡參數(shù)，將L對A求導(dǎo)，并令導(dǎo)數(shù)為零，得到A的表達(dá)式為：

其中，Δ是對角矩陣

Δii=0,ifAi=01||Ai||2,otherwise,]]>

將得到的A帶入到最終目標(biāo)函數(shù)L中，然后用拉格朗日法解最優(yōu)化問題，優(yōu)化解為下式前d個(gè)最小特征值對應(yīng)的特征向量：

Γy＝λL_by，

其中，使用迭代法來解決此優(yōu)化問題，即首先固定A，求解y，然后使用得到的y去更新A，如此往復(fù)，直到A和y收斂。