支持向量机（SVM）是一种在内核特征空间中训练的线性分类器，其建立以结构风险最小和统计学理论为基础。SVM属于有监督的机器学习方法，能够将结构风险最小化，因而是一种良好的分类器。SVM分类器在图像识别和检索、运动检测、光学字符识别和手写字符识别等方面具有明显的优势，因此选用基于SVM的分类器对交通标志牌进行识别。

使用前一节交通检测中所下载的实验样本库，针对每个标志牌收集正样本和负样本，采用HOG特征进行训练，再利用训练得到的SVM分类模型，进行分类识别。检测效果图如图2-23所示。

图2-23 基于SVM的识别

再根据检测效果图得到从原图中截取出相应的交通标志图，如图2-24所示。同时，根据训练得到SVM分类器，识别得出各交通标志图的语义信息，如图2-25所示。

通过实验分析，对于在交通标志检测效果比较好的图片来说，其识别效果相对有效准确。但对于检测效果不好的图片来说，效果就相对不太理想。要想得到好的效果，还得加强交通标志牌检测的精准度。(www.daowen.com)

图2-24 识别得到的交通标志图

图2-25 识别得到的交通标志图

交通标志识别效果取决于检测效果，为了提高识别的准确度，还需把各个样本的数目扩大一些，让样本包括各种情况下的标志牌，这样才能把识别的效果提升上去。