基于感兴趣区域提取与双过滤器的交通标志检测算法

为了解决当前交通标志检测(TSD)技术因各种复杂因素的干扰,导致其难以有效对交通标志进行正确检测,以及鲁棒性较弱等不足,设计了一种基于感兴趣区域提取与双过滤器的交通标志检测算法。首先,为了降低环境干扰,对输入图像进行预处理,以增强每个标志的主颜色。其次,为提高对感兴趣区域提取能力,定义了基于最大稳定极值区域(MSER)与波动方程(WE)的感兴趣区域(ROI)检测器,通过ROI检测器选取候选区域。然后,引入有效的方向梯度直方图(HOG)描述符作为交通标志检测特征,并利用支持向量机(SVM)进行分类,将其划分为交通标志或背景。最后,利用上下文感知过滤器与交通灯过滤器进一步识别伪交通标志,提高检测精度。在German交通标志数据库(GTSDB)中对常见的指示性、禁止性和危险性的3种交通标志进行测试,结果表明,与当前交通标志识别技术相比,所提算法对交通标志检测具有更高的检测正确率与鲁棒性。

基于反馈控制的自主虚拟人感知模型

提出了一种基于反馈控制的自主虚拟人感知模型.该模型首先使用感知过滤器模拟人类器官感知限制,然后设计了环形队列存储感知对象的相关信息来模拟人类的记忆功能,进而利用感知和记忆的结果,对感知过滤器的各项参数进行反馈控制,从而体现感知结果对感知过程的影响.实验结果表明,基于反馈控制的感知模型不仅能够较好地体现人类感知系统的特性,而且能够为自主虚拟人行为控制和决策提供更为真实的环境信息.