论文部分内容阅读
针对交通标志的多类性、周围环境的复杂性和多变性,以及现有交通标志识别技术的缺点,提出一种改进的基于BP神经网络的交通标志识别方法。采用基于颜色概率与局部模板的检测方法;利用融合改进的MDA和MPCA进行特征值提取;网络中加入L2正则化和dropout结构以改进神经网络。从而不仅减少了BP神经网络的"过拟合"现象,而且有助于神经网络的分类训练。实验表明,该方法的识别准确率高,识别速度较快。