·544 智能系统学报 第5卷 部的训练样本最多，每类1000个，随着树的深入递 ing,and recognition using color,shape,and motion infor- 减，树末端的训练样本为每类50个. mation [C]//IIEEE Intelligent Vehicles Symposium.Las 在2210帧测试图像上，二叉树线性支持向量机 Vegas,USA,2005:255-260. 的正确识别率为88.35%，而直接采用RBF核函数 [5]VIOLA P,JONES M.Robust real-time object detection 的非线性支持向量机的正确识别率为84.05%.这 [J].International Journal of Computer Vision,2004,57 (2):137-154. 也说明了设计的基于聚类的二叉树的线性支持向量 [6]陈春燕，章品正，罗立民.基于粒特征和连续Adaboost 机的性能要比非线性的支持向量机的性能要好 的人脸检测[J].智能系统学报，2009,4(5)：446452. 3.3系统总的性能分析 CHEN Chunyan,ZHANG Pinzheng,LUO Limin.Face de- 采用了60个不同限速标志路段的视频进行系 tection using real Adaboost on granular features[].CAAI 统测试.这60个不同限速标志路段的视频时间长达 Transactions on Intelligent Systems,2009,4(5):446-452. 40min左右，总的帧数近70000多帧.系统正确识别 [7 OJALA T,PIETIKAINEN M,M&ENPa T.Multiresolution 定义为当车经过一个限速标志时，多帧投票识别输 gray-scale and rotation invariant texture classification with lo- 出的结果和实际的限速标志一致.投票的数目采用 cal binary patterns[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2002,24(7):971-987. 10帧二叉树线性支持向量机的输出进行投票，当有 [8]ZHANG Lun,CHU Rufeng,XIANG Shiming,LI S Z.Face 6帧以上输出结果相同时，该输出就作为系统最终 detection based on multi-block LBP representation[C]/ 的识别结果.当输出的相同结果数小于6时，系统就 Proceedings of IAPR/IEEE Intermational Conference on Bio- 不输出. metrics.Seoul,Korea,2007:11-18. 在60个路段的视频上，系统只有1个限速标志 [9]BRADLEY G,ROTH G.Adaptive thresholding using inte- 路段识别错误，主要原因是该限速标志刚好位于转 gral image[J].Journal of Graphics Tools,2007,12(2): 弯路段，检测到的限速标志的帧数不多，无法满足投 13-21. [10]FEI B,LIU J.Binary tree of SVM:a new fast multiclass 票机制.也就是说在测试视频数据库上，系统总的识 training and classification algorithm[J].IEEE Trans on 别率为98.3%.性能方面，整个系统模块的处理速 Neural Networks,2006,17(3):696-704. 度平均为16帧，CPU占用率一直控制在40%以下. [11]张铭钧，尚云超，杨杰.基于灰度梯度不变矩的水下目标 4 结束语 识别系统[J].哈尔滨工程大学学报，2009,6：653657. ZHANG Mingjun,SHANG Yunchao,YANG Jie.Recognition 介绍了一种高效的矩形交通标志识别系统.该 system for underwater objects based on gray and grads invari- 系统整个流程的设计基于辅助驾驶系统的需要，在 ant moments[J].Joumal of Harbin Engineering University, 较低硬件配置下达到实时处理的要求，并且具有较 2009,6:663657. 作者简介： 低的资源占用.系统通过大量的实际道路视频序列 张燕昆，男，博士.主要研究方向为 的测试，取得了较好的性能.未来的工作，一方面是 计算机视觉、人脸检测与识别、三维计 对系统进行更大规模的实际测试；另一方面进行平 算机视觉：发表学术论文7篇。 台的移植和优化，进行系统整合， 参考文献： [1]BARGETON A,MOUTARDE F,NASHASHIBI F,BRA- DAI B.Improving pan-European speed-limit signs recogni- 洪初阳，男，硕士，主要研究方向为 tion with a new "global number segmentation before digit 图像处理、图像分割和机器视觉等 recognition C]//IEEE Intelligent Vehicles Symposium. Eindhoven,Netherlands,2008:349-354. [2]KELLER C G,SPRUNK C,BAHLMANN C,GIEBEL J, BARATOFF G.Real-time recognition of US speed signs [C]//IEEE Intelligent Vehicles Symposium.Eindhoven, Netherlands,2008:518-523. Wang Charles,博士，主要研究方向 [3]LOY G,BARNES N.Fast shape-based road sign detection 为视频分析、模式识别等.发表论文多 for a driver assistance system[C]//IEEE/RSJ International 篇，同时拥有多项专利. Conference on Intelligent Robots and Systems.Sendai,Ja- pan,2004:70-75. [4]BAHLMANN C,ZHU Ying,RAMESH V,PELLKOFER M,KOEHLER T.A system for traffic sign detection,track-