交通標(biāo)志識(shí)別.pdf

1、隨著社會(huì)進(jìn)步和經(jīng)濟(jì)發(fā)展，汽車(chē)的保有量、出行人數(shù)的急劇增加，城市交通擁堵、交通事故頻發(fā)，通行效率低下等問(wèn)題日益突出。在此背景下，各國(guó)開(kāi)展了智能交通系統(tǒng)(ITS: Intelligent Transportation System)的研究。ITS被認(rèn)為是解決以上問(wèn)題的基本手段，其核心技術(shù)涉及數(shù)字信號(hào)處理、通信技術(shù)、圖像處理、模式識(shí)別、人工智能和系統(tǒng)工程技術(shù)等，是一門(mén)綜合性技術(shù)。道路交通標(biāo)志識(shí)別(TSR)系統(tǒng)是智能車(chē)輛的重要組成部分，它在車(chē)輛

2、行駛中對(duì)道路出現(xiàn)的交通標(biāo)志進(jìn)行信息采集和識(shí)別，及時(shí)地向駕駛員做出指示或警告，甚至接替駕駛員直接對(duì)車(chē)輛控制，以確保交通順暢和防止事故的發(fā)生。
　　交通標(biāo)志識(shí)別是智能車(chē)輛的關(guān)鍵技術(shù)和難點(diǎn)之一，它包括自然場(chǎng)景下交通標(biāo)志的檢測(cè)與分類(lèi)技術(shù)，盡管學(xué)者們對(duì)其進(jìn)行了多年的研究，已取得一定的成果，但仍然沒(méi)有得到很好的算法解決復(fù)雜環(huán)境下算法的魯棒性較差的問(wèn)題。針對(duì)這種情況，本論文在交通標(biāo)志檢測(cè)、特征提取與分類(lèi)三方面展開(kāi)研究。
　　首先，在將交通

3、標(biāo)志從復(fù)雜的背景中進(jìn)行分割的研究中，通過(guò)選取適當(dāng)?shù)拈撝翟赗GB色彩空間和HSV色彩空間中分別進(jìn)行交通標(biāo)志分割，提取出目標(biāo)可能出現(xiàn)的區(qū)域。并對(duì)兩種色彩空間的分割效果和實(shí)時(shí)性進(jìn)行對(duì)比。最后在保留的面積較大的區(qū)域中再去尋找其中的三角形、圓形提取目標(biāo)區(qū)域。在此基礎(chǔ)上，本文對(duì)大量交通標(biāo)志進(jìn)行了圖像分割實(shí)驗(yàn)，實(shí)驗(yàn)表明HSV彩色空間的交通標(biāo)志的分割效果更好。
　　其次，選用滿足旋轉(zhuǎn)、平移和尺度不變性要求的特征矢量—SIFT特征，提出對(duì)圖像分塊的

4、思想，將圖像劃分為固定數(shù)目的子塊，計(jì)算每個(gè)子塊內(nèi)的SIFT向量均值，從而得到該圖像的特征向量。這一特征向量維數(shù)與圖像大小內(nèi)容無(wú)關(guān)，使其具有可擴(kuò)展性。
　　最后，設(shè)計(jì)支持向量機(jī)(SVM)分類(lèi)器對(duì)已檢測(cè)出的交通標(biāo)志圖像進(jìn)行識(shí)別研究。并比較不同類(lèi)別的交通標(biāo)志在RBF、Sigmoid、Linear核函數(shù)下交通標(biāo)志的準(zhǔn)確率，并在此基礎(chǔ)進(jìn)行參數(shù)尋優(yōu)，至正確率最高。通過(guò)對(duì)不同種類(lèi)的交通標(biāo)志圖像分類(lèi)實(shí)驗(yàn)表明，特征數(shù)據(jù)經(jīng)核函數(shù)以及參數(shù)尋優(yōu)后很好提高