[发明专利]一种基于压缩感知域和卷积神经网络的路牌识别方法

权利要求书

1.一种鲁棒的路牌识别方法，用于对路牌图片的检测和分类；其特征包括：

利用测量矩阵将图像信号转换到压缩感知域；

并将其作为卷积神经网络的输入；

使用卷积神经网络从中提取有效非线性特征；

通过分类器，对路牌图像进行识别。

2.根据权利要求1所述的方法，其特征在于，根据所述训练样本获得所述的基于压缩感知域的图像信号，包括：

根据图像信号的维数确定测量矩阵的大小；

利用测量矩阵将图像信号转换到压缩感知域；

获得基于压缩感知域的图像信号。

3.根据权利要求1所述的方法，其特征在于，根据所述训练样本获得卷积神经网络的输入，包括：

将基于压缩感知域的图像的尺寸调整为32×32；

并将其作为卷积神经网络的输入。

4.根据权利要求1所述的方法，其特征在于，将对卷积神经网络的结构进行构造，包括：

采用经典的卷积神经网络模型，分别有两层卷积层、两层最大池化层，两层全连接层；

网络输入为32×32的数组；

卷积层1和2分别产生20和50张特征图；

最大池化层1和2在2×2的范围上进行操作，并且其步长为2；

全连接层1和2分别产生维数为500×1和10×1的特征向量。

5.根据权利要求1所述的方法，其特征在于，使用分类器对特征向量进行识别，包括：

定义分类器的参数及其具体结构；

输入特征向量至分类器；

分类器输出路牌的标签类别。