[發明專利]具有自我學習能力的實時交通標記識別方法及系統

有效

• 申請號: 201410363876.2
• 申請日: 2014-07-29
• 公開（公告）號: CN104134364B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 李晶晶;魯珂;謝昌元;張旭
• 申請（專利權）人: 電子科技大學
• 主分類號: G08G1/0967
• 分類號: G08G1/0967;G06K9/66
• 代理公司: 北京中恒高博知識產權代理有限公司11249
• 代理人: 宋敏

技術領域

本發明涉及交通標志識別技術領域，具體地，涉及一種具有自我學習能力的實時交通信號識別方法及系統。

背景技術

隨著Google無人駕駛汽車的發布，智能交通再一次成為人們熱議的話題，在當前的道路交通組織方式下，無人駕駛要融入現有道路交通環境中，必須要解決交通標志的識別問題。另一方面，如果汽車或者車載設備能夠識別交通標志，無疑將降低駕駛員的負擔，帶來更便捷的駕駛體驗，與汽車控制系統聯動，會帶來更智能的駕駛方式，可以減少交通事故發生率。

目前，在計算機系統上，已經提出了一些交通標志識別算法，但是這些成果大部分僅限制在研究和實驗領域，或者只是運行在PC上，并沒有應用于實際的汽車或車載設備中，經過調查分析，認為現有技術面對或存在以下問題：1)缺少合適的環境圖像采集設備，2)算法識別率低，不能滿足自動識別的需求，3)算法訓練周期長，運行開銷大，無法滿足實時場景。

發明內容

本發明的目的在于，針對上述問題，提出一種具有自我學習能力的實時交通信號識別方法及系統，以實現快速準確的識別交通標記的優點。

為實現上述目的，本發明采用的技術方案是：

一種具有自我學習能力的實時交通信號識別方法，包括將采集的圖像數據進行檢測，從而得到交通標志圖像的步驟；

對上述檢測到的交通標志圖像采用基于降維的方法進行識別的步驟；

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

Y＝XA^T，

其中，A是映射矩陣，是通過訓練得到的，具體為，在初始化階段，訓練庫預先設定樣本為訓練庫，通過預先設定的樣本，得到映射矩陣A，在實際運用中采集到新的交通標志圖像后，將代表新的交通標志圖像的特征矩陣利用A映射到一個低維空間，然后利用分類器將低維映射值與樣本映射值分類，得出新的交通標志圖像屬于哪類，最終得到識別結果，如果識別正確，則不做處理，如果識別錯誤，則將新的交通標志圖像發送給云端服務器，云端服務器將其加入到訓練庫中，重新訓練得到新的映射矩陣A′，得到A′后，使用網絡將該映射矩陣傳輸到安裝在移動終端上的數據處理模塊，使用A′替換A，即A′成為新映射矩陣。

優選的，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分類器。

優選的，上述基于降維的識別方法，方法為基于稀疏表示的圖嵌入方法。

優選的，所述基于稀疏表示的圖嵌入方法具體為：

步驟401：將訓練庫中的交通標志圖像進行分類得到分層圖結構，在不同的層分別構建類內圖和類間圖；

步驟402：將上述分層圖結構應用到圖嵌入框架下，得到如下目標函數：