复杂光照条件下的交通标志检测与识别
针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。
文件下载
评论信息
其他资源
- CSAPP malloc lab答案（满分）
- mqtt.fx-1.7.1-windows版本，绿色安装简单方便
- 各种优化算法解决TSP问题的matlab源代码
- 适用佳能单反相机的艳丽照片风格文件
- stm32f103c8t6最小系统版PWM程序
- The theory of error correcting codes
- Crone工具箱，可用于分数阶控制
- STM32F407 6288语音模块程序
- 1.函数延时.rar
- sqlc-testdata：具有用于构建端到端测试的类型的存储库-源码
- 三套python面试题.rar
- 011721-源码
- Winfrom中重要知识点
- Avl Cruise详细说明文档.pdf
- SI2301_2.0.pdf
- 语音广告软件
- Data Structures: Abstraction and Design Using Java (3rd Edition)
- ajax自动刷新页面
- 利用POI合并多个Excel表
- 一个无人售货机管理系统
- SpringBoot2.0整合Elasticsearch6.0使用ElasticsearchRepository接口实践
- aspx个人网站（含源码）
- 疯狂桌面贪吃蛇-源代码
- Introduction to Languages and the Theory of Computation4th edition
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明