基于改进PCA和ELM的交通标志图像识别

作者：徐岩; 韦镇余

来源：激光与光电子学进展, 2016, (02): 1-13.

• 图像处理
• 交通标志识别
• HOG特征提取
• PCA降维
• 极限学习机

交通标志识别系统（Traffic Sign Recognition）是智能交通系统（IntelligentTransport Systems）的重要研究方向。道路交通环境的复杂性和交通标志数据库规模庞大等原因使得在设计交通标志识别系统可行性方案时必须考虑到时间复杂度和识别率。本文提出了一种高效且快速的基于改进主成份分析法（PCA-principal component analysis ）和极限学习机（ELM -extreme learning machine）的交通标志识别算法，简称为 PCA-ELM。该算法首先提取出交通标志数据库中每个交通标志的梯度方向直方图（HOG-gradient direction of histogram）特征，然后利用改进 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，最后利用经过训练的 ELM 模型对测试图片进行识别。实验结果表明，基于PCA-HOG 和 ELM 模型的交通标志识别算法在获得低时间复杂度的同时可以得到 97.69%的识别率。

• 出版日期2016-10-21
• 单位天津大学