一个基于keras实现的交通标志识别的深度神经网络，在测试集上实现了99%的超高准确率，并包含相关的训练和测试数据。以及一个帮助函数文档

【交通标志识别】基于SIFT特征实现交通标志识别matlab源码含GUI.md

使用LeNet CNN对交通标志进行分类 描述 我们构建了LeNet类型的卷积神经网络模型，并对模型进行训练，以判断给定图片属于43个交通标志中的哪个。 那就是模型确定输入图像是否意味着： 停车标志 或限速30km / h ， 或儿童穿越， ...等 我们为43个交通标志分配了43个不同的整数（或43个规范矢量，大小为43）。 组织 我们首先给出问题陈述并准备data_preparation_pblm_statmnt.ipynb中的数据 我们在modelling.ipynb中进行训练/建模部分 原始数据存储在data / raw中。 处理后的数据存储在数据中/处理后 原始数据集的来源 我们使用的原始数据集包含来自的约51839张免费提供的图像。 J. Stallkamp，M。Schlipsing，J。Salmen和C. Igel。 德国交通标志识别基准测试：多类别分类比赛。 在I

中国交通 标志 C CTSDB数据集训练集2-2，里面 有800个 选项 一半 是txt，文件 中存一半数据图片

随着机动车辆的日益增多，交通环境日益恶化，针对这种情况设计了一种基于SIFT算法的智能交通标志识别系统，不仅可以有效地辅助交通监管，而且能及时为驾驶员提供有效参考信息，避免违章事故的发生。利用SIFT算法构建仿射不变的特征子空间，并结合交通标志自身独特的颜色及形状特征，达到对交通标志的有效检测、识别和匹配，从而完成交通标志的智能识别。该系统不仅为交通执法部门装备一双智能化的慧眼，并且在一定程度上保障了驾驶员及乘客的人身安全。实验数据表明，本系统可以在复杂情况下高效、准确地识别出交通标志。

提出了一种基于颜色分割和形状分析的交通标志检测方法．首先利用改进后的简单向量滤波器分割感兴趣色彩区域，对不同色彩区域进行相应形状检测．采用拐角特征与几何结构分析相结合的方法检测矩形与三角形标志，提出了一种基于对称性特征的简单编码算法，并应用于圆形检测．实验结果表明，该方法能在多种复杂场景中有效地定位交通标志，对天气变化有一定鲁棒性，为后继的交通标志识别工作奠定了良好基础．

交通运输行业中道路标志，本图形由交通运输CAD制作完成。

该课题为基于Matlab的交通标志识别系统。带有一个人机交互界面。可以判别红色精灵蓝色指示和黄色警示三类交通标志。可以进行二次拓展，也就是每次识别不需要人为手工的去选择颜色。也可以进行视频的识别。识别之后可以进行语音播报。

该课题为基于Matlab的交通标志识别系统。带有一个人机交互界面。可以判别红色精灵蓝色指示和黄色警示三类交通标志。可以进行二次拓展，也就是每次识别不需要人为手工的去选择颜色。也可以进行视频的识别。识别之后可以进行语音播报。

该课题为基于Matlab的交通标志识别系统。带有一个人机交互界面。可以判别红色精灵蓝色指示和黄色警示三类交通标志。可以进行二次拓展，也就是每次识别不需要人为手工的去选择颜色。也可以进行视频的识别。识别之后可以进行语音播报。