1、路标识别,近期所做工作：,通过人体检测实例学习了HOG特征和训练分类器（SVM）通过符号识别实例学习了目标分割，符号识别与匹配学习opencv和图像处理（主要是学习编程）路标识别（上，左，右，旋转，停止）两种方法,路标检测与识别流程：,图像采集图像预处理路标检测,路标分割,路标识别,0 0 0 0 0 0 1 1 0 0 0 0 1 1 0 0 0 1 0 0 0 0 0 0 0,基于HOG特征和 SVM 的目标检测流程,分类器训练流程图,多分类器原理： 一对一法：其做法是在任意两类样本之间设计一个SVM，因此k个类别的样本就需要设计k(k-1)/2个SVM。当对一个未知样本进行分类时，最后得
2、票最多的类别即为该未知样本的类别。假设有四类A,B,C,D四类。在训练的时候我选择A,B; A,C; A,D; B,C; B,D;C,D所对应的向量作为训练集，然后得到六个训练结果，在测试的时候，把对应的向量分别对六个结果进行测试，然后采取投票形式，最后得到一组结果。 投票是这样的. A=B=C=D=0; (A, B)-classifier 如果是A win,则A=A+1;otherwise,B=B+1; (A,C)-classifer 如果是A win,则A=A+1;otherwise, C=C+1; . (C,D)-classifer 如果是A win,则C=C+1;otherwise,D=D+1; The decision is the Max(A,B,C,D),实验结果,存在问题：,有些情况检测效果不好检测时间长HOG特征维数高,下一阶段要做的工作：,寻找更好的目标分割方法使用编码匹配的方法进行路标识别 暑假看关于深度图像的论文,
