[發(fā)明專利]基于改進(jìn)Hu不變矩和ELM的交通標(biāo)志牌識別方法和裝置

在審

• 申請?zhí)枺?/td>: 201710558291.X
• 申請日: 2017-07-10
• 公開（公告）號: CN107194383A
• 公開（公告）日: 2017-09-22
• 發(fā)明（設(shè)計）人: 李文舉;陳奇;陸云帆;胡文康;章夢
• 申請（專利權(quán)）人: 上海應(yīng)用技術(shù)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08
• 代理公司: 上海漢聲知識產(chǎn)權(quán)代理有限公司31236
• 代理人: 胡晶

技術(shù)領(lǐng)域

本發(fā)明涉及計算機視覺技術(shù)領(lǐng)域，具體地，涉及基于改進(jìn)Hu不變矩和極限學(xué)習(xí)機器(Extreme Learning Machine，ELM)算法的交通標(biāo)志牌識別方法和裝置。

背景技術(shù)

交通標(biāo)志牌是交通系統(tǒng)重要組成部分之一，其包含的不同符號文字對于實現(xiàn)交通管理具有重要意義。交通標(biāo)志不僅保障道路有序通暢，而且有助于降低交通事故率，有效地保障了人民生命財產(chǎn)安全。

交通標(biāo)志識別主要包括：特征提取和標(biāo)志牌識別兩個過程。在特征提取階段，提取不同標(biāo)志牌的相應(yīng)的特征值，組合成特征向量，為標(biāo)志牌識別做準(zhǔn)備。在識別階段，根據(jù)特征向量間的差異，識別出該特征向量對應(yīng)的標(biāo)志牌類別。目前交通標(biāo)志牌識別方法主要包括：最近鄰域法；匹配投影法；支持向量機分類和(Back Propagation，BP)神經(jīng)網(wǎng)絡(luò)方法。但以上方法卻存在以下缺點：特征維數(shù)較高，計算量較大和處理時間較長。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于改進(jìn)Hu不變矩和ELM的交通標(biāo)志牌識別方法和裝置。

第一方面，本發(fā)明提供一種基于改進(jìn)Hu不變矩和ELM的交通標(biāo)志牌識別方法，包括：

從交通標(biāo)志牌的圖像區(qū)域提取初始的Hu不變矩；

對所述初始的Hu不變矩進(jìn)行規(guī)格化處理后，得到改進(jìn)的Hu不變矩；

將所述改進(jìn)的Hu不變矩作為極限學(xué)習(xí)機器ELM神經(jīng)網(wǎng)絡(luò)的輸入量，并對ELM神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練后的ELM神經(jīng)網(wǎng)絡(luò)；

通過所述訓(xùn)練后的ELM神經(jīng)網(wǎng)絡(luò)對交通標(biāo)志牌進(jìn)行識別。

可選地，所述從交通標(biāo)志牌的圖像區(qū)域提取初始的Hu不變矩，包括：

假設(shè)交通標(biāo)志牌的圖像區(qū)域記為：f(x,y)，其中f(x,y)為分段連續(xù)且在有限區(qū)域內(nèi)非零，則得到圖像區(qū)域的原點矩如下：

m_p,q＝∫∫_Dx^py^qf(x,y)dxdy

μ_p,q＝∫∫_D(x-x_c)^p(y-y_c)^qf(x,y)dxdy

其中：x_c＝m_1,0/m_0,0；y_c＝m_0,1/m_0,0；

式中：x表示圖像區(qū)域關(guān)于直角坐標(biāo)系X軸的變量，y表示圖像區(qū)域關(guān)于直角坐標(biāo)系Y軸的變量，m_p,q表示標(biāo)準(zhǔn)矩，下標(biāo)_p表示，下標(biāo)_q表示，D表示積分范圍，μ_p,q表示原點矩，x_c表示圖像區(qū)域重心的X軸坐標(biāo)值，y_c表示圖像區(qū)域重心的Y軸坐標(biāo)值，m_0,1表示0+1階標(biāo)準(zhǔn)矩，m_0,0表示0+0階標(biāo)準(zhǔn)矩，η_pq表示歸一化中心距，表示(p+q)/2+1階原點矩；

得到Hu不變矩如下：

φ₁＝η₂₀+η₀₂

φ₂＝(η₂₀+η₀₂)²+4η₁₁²

φ₃＝(η₃₀-3η₁₂)²+(η₀₃-3η₂₁)²

φ₄＝(η₃₀+η₁₂)²+(η₀₃+η₂₁)²