Key points are not available for this paper at this time.
La détection et la reconnaissance des panneaux de signalisation en temps réel ont reçu une attention croissante ces dernières années en raison de la popularité des systèmes d'assistance au conducteur et des véhicules autonomes. Cet article propose une technique de détection des panneaux de signalisation précise et efficace en explorant AdaBoost et la régression par vecteurs de support (SVR) pour l'apprentissage de détecteurs discriminatifs. Contrairement aux techniques de détection de panneaux de signalisation rapportées, une nouvelle approche d'estimation de saillance est d'abord proposée, où un nouveau modèle de saillance est construit sur la base de la couleur, de la forme et de l'information spatiale spécifiques aux panneaux de signalisation. En incorporant l'information de saillance, des pyramides de caractéristiques améliorées sont construites pour apprendre un modèle AdaBoost qui détecte un ensemble de candidats de panneaux de signalisation à partir d'images. Un nouvel algorithme de sélection de mot-code itératif est ensuite conçu pour générer un codebook discriminatif pour la représentation des candidats de panneaux, tels que détectés par AdaBoost, et un modèle SVR est appris pour identifier les véritables panneaux de signalisation parmi les candidats de panneaux détectés. Des expériences menées sur trois ensembles de données publiques montrent que la technique de détection de panneaux de signalisation proposée est robuste et obtient une précision et une efficacité supérieures.
Chen et al. (Thu,) ont étudié cette question.