摘要：为了提高交通标志识别的正确率和实时性,提出了一种基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法。采用Gamma矫正方法提取HOG特征,采用对比度受限的自适应直方图均衡化方法提取Gabor特征,基于线性特征融合原理,将提取的HOG和Gabor特征向量直接串联,得到刻画交通标志的融合特征向量,采用Softmax分类器对融合特征向量进行分类,采用德国交通标志识别基准（GTSRB）数据库测试了所提方法的有效性,比较了基于单特征与融合特征的交通标志识别效果。试验结果表明：在图像增强过程中,针对HOG特征,采用Gamma矫正方法的分类正确率最大,为97.11%,针对Gabor特征,采用限制对比度的直方图均衡化方法的分类正确率最大,为97.54%;采用Softmax分类器的最小分类正确率为97.11%,耗时小于2s;针对HOG-Gabor融合特征,采Softmax分类器的识别率高达97.68%,因此,基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法的识别率高,实时性强。

关键词：交通信息工程 智能车 交通标志识别 特征提取 softmax分类 

单位：长安大学信息工程学院; 陕西西安710064; 广东省特种设备检测研究院珠海检测院; 广东珠海519002; 神龙汽车有限公司; 湖北武汉430056; 伊利诺伊大学芝加哥分校土木与材料工程系; 伊利诺伊芝加哥60607