交通标志识别
在视觉物体检测领域，交通标志识别是一个经常被研究和应用的部分。公共数据集已有很多的数量和种类，以供识别算法的试验验证研究。基于两个大型检测与分类数据集（分别在比利时和德国进行采集）对现有识别方法进行了研究。研究显示，如果不经过特殊的修正，现有的行人识别、交通标志识别、数字识别和人脸识别的正确检出率最高能够达到95%～99%。
目前，交通标志识别方法的主流是通过模式分类进行的，模式分类分为特征向量提取和分类算法，二者都会影响算法的检测性能。特征值的提取有很多种方法，有的基于颜色与形状，有的基于直方图特征。特征值提取之前通常还要进行一些预处理，这样可以使特征更加明显地显现出来，避免周围环境和噪声的干扰，特征值提取的精准与否直接影响下一步分类器的分类结果。特征值的选取以少为好，这样可以减少特征值提取的计算量，同时能够减小分类器的复杂程度。分类方法可选用简单的阈值方法，也可使用复杂的神经网络方法，并通过特征值或者特征向量来判断目标是否属于某个确定的类。试验验证了各种不同选择方法之间的权衡。从试验结果来看，最好的方法是使用直方图特性进行检测，使用稀疏表示进行分类。
Markus Mathias et al. Neural Networks (IJCNN), The 2013 International Joint Conference.
编译：王也
