Traffic sign recognition is difficult due to the.low resolution of image, illumination variation and shape.distortion. On the public dataset GTSRB, the state-of-the-art.performance have been obtained by convolutional neural.networks (CNNs), which lea

通过变换RGB空间颜色值并分割图像, 利用标记图为特征的形状分类器检测城市环境中的交通标志. 为了 提高分类准确度, 用两种模型表示方法分类交通标志: 1) 结合二元树复小波变换和二维独立分量分析提取特征, 送入 最近邻分类器中分类交通标志; 2) 提取交通标志的内部图形, 利用模板匹配进行分类. 最后, 将两种分类结果融合输 出. 实验结果表明, 所提出算法的整体识别率超过91%, 平均处理帧率达到6.6 帧/s, 系统能够鲁棒、有效和实时地识 别交通标志.