交通标志识别(TSR)系统是智能交通系统的重要研究方向。道路交通环境复杂、交通标志数据库规模庞大等因素导致在设计TSR系统可行性方案时必须考虑计算复杂度和识别率。提出了一种高效且快速的基于改进主成分分析(PCA)法和极限学习机(ELM)的TSR算法, 被称为PCA-HOG。该算法首先提取交通标志数据库中每个交通标志的梯度方向直方图(HOG)特征, 利用改进PCA算法对提取出的HOG特征进行降维处理, 之后利用降维后的HOG特征进行ELM模型训练, 利用经过训练的ELM模型识别测试图片。实验结果表明, 基于PCA-HOG和ELM模型的交通标志识别算法获得的计算复杂度低, 图像识别率可达97.69%。
2021-12-19 09:23:19
5.3MB
1
本篇博客tensorflow1.7,整个项目源码：
引言
本次博客将分享Udacity无人驾驶纳米学位的另一个项目，交通标志的识别。
本次项目实现主要采用CNN卷积神经网络，具体的网络结构参考Lecun提出的LeNet结构。参考文献：
项目流程图
本项目的实现流程如下所示：
代码实现及解释
接下来我们就按照项目流程图来逐块实现,本项目数据集：
如果打不开，则有备用链接：
#import important packages/libraries
import numpy as np
import tensorflow as tf
import pickle
import matplotlib.pyplot as plt
import random
import csv
from sklearn.utils import shuffle
from tensorflow.contrib.laye
2021-12-07 17:09:18
11.48MB
1
该课题为交通标志识别，平台是matlab，该课题为恶劣天气下的识别，雾霾。需要先进行雾霾去除，清晰化后图像达到增强后的效果。然后进行定位，分割，识别，带界面。语音播报。
2021-12-06 19:18:05
3.54MB
1
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。
2021-12-05 22:03:31
808KB
1
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。
2021-12-04 11:04:48
3.54MB
1