一种基于结构化学习的道路场景布局分析方法,采集和扩充交通场景图像数据集,并且对数据集按场景平台分类进行标注和预处理;对图像进行子区域分割,先对图像进行超像素分割,用超像素的特征和标签训练增强决策树回归器,得到初始分割结果,再用马尔科夫随机场优化初始分割结果得到最终分割结果;然后在子区域上提取特征,用子区域特征和隐变量标签训练SVM分类器,预测出每张图片子区域隐变量的组合;最后用子区域隐变量的组合和场景平台标签的对应关系构建决策树,通过决策树找到这组标签最终对应的场景平台的标签;本发明基于简单道路交通场景环境的道路场景图片和视频,能够有效实现交通场景平台的预测,预测效果较准确,方法简单有效。
声明:
“基于结构化学习的道路场景布局分析方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)