【摘要】：交通管理及交通安全問題正受到人們越來越多的關(guān)注。在此背景下,智能交通系統(tǒng)的概念應(yīng)運(yùn)而生。交通標(biāo)志的智能檢測作為智能交通系統(tǒng)的一部分,在公路路產(chǎn)管理系統(tǒng)智能化信息采集任務(wù)中承擔(dān)著重要的角色。真實交通場景復(fù)雜多變,光照條件、天氣條件、局部遮擋、背景色相似干擾、陰影干擾等問題給交通標(biāo)志檢測與識別系統(tǒng)的研究帶來諸多挑戰(zhàn),因此能夠魯棒地對交通標(biāo)志進(jìn)行智能檢測是研究者們一直追求的目標(biāo)。針對上述復(fù)雜情況,本文對霧天拍攝的有霧交通標(biāo)志從圖像去霧、交通標(biāo)志快速定位及交通標(biāo)志的語義識別三個方面展開研究。(1)提出了一種基于歸一化割的圖像去霧算法。針對霧天拍攝的有霧圖像,提出了一種基于歸一化割的圖像去霧算法。在原有經(jīng)典暗原色先驗去霧基礎(chǔ)上,結(jié)合圖割理論,采用歸一化割框架對其改進(jìn),實驗結(jié)果表明,本文算法消除了原有方法的光暈效果,能夠獲得較為清晰的圖像質(zhì)量。將本文算法應(yīng)用于車載式路產(chǎn)信息采集系統(tǒng),能夠提高霧天路產(chǎn)信息采集戶外作業(yè)的檢測精度。(2)提出了一種基于圖像HOG特征與Fisher分類器結(jié)合的粗分類檢測算法。采用HOG特征對Fisher分類器進(jìn)行訓(xùn)練,提出了一種基于圖像HOG特征與Fisher分類器結(jié)合的交通標(biāo)志粗分類定位算法。在粗分類定位階段,不要求查準(zhǔn)率,但要盡可能地保證100%的查全率,保證圖像中的交通標(biāo)志都能夠被檢測到。選擇GTSRB數(shù)據(jù)集作為訓(xùn)練和測試樣本集,測試結(jié)果表明本文算法對各類場景具有良好的性能,對拍攝角度、行駛車速、不良光照等多種不利條件具有一定的魯棒性。(3)提出了一種基于圖像HOG特征與SVM分類器結(jié)合的細(xì)分類分級檢測算法。針對候選疑似ROI,提出了一種基于圖像HOG特征與SVM分類器結(jié)合的交通標(biāo)志細(xì)分類分級識別算法。在細(xì)分類識別階段,分為兩級識別分類過程,一級識別能夠把非標(biāo)志的ROI去除,實現(xiàn)交通標(biāo)志檢測較高的查準(zhǔn)率;二級識別能夠給出交通標(biāo)志的語義輸出。實驗表明,細(xì)分類識別算法具有較高的查全率和查準(zhǔn)率,采用二級細(xì)化分類的方法進(jìn)行識別,相比較一級分類器模型具有更高的準(zhǔn)確率。
【圖文】：

采集到的交通標(biāo)志圖像采用數(shù)字圖像技術(shù)進(jìn)行自動識別的方法，會受到復(fù)雜背景（如圖 1.1（a））、照明條件不良（如圖 1.1（b））、局部遮擋的影響（如圖 1.1（c）），拍攝角度不加（如圖 1.1（d））等情況的影響，使算法處理精度降低，嚴(yán)重影響交通標(biāo)志的檢測結(jié)果，從而導(dǎo)致路產(chǎn)管理系統(tǒng)信息質(zhì)量不高，影響路政部門準(zhǔn)確判斷道路設(shè)施狀況。（a）復(fù)雜背景 （b）照明條件不良

路產(chǎn)管理系統(tǒng)都通過采用了計算機(jī)技術(shù)、傳感技術(shù)、圖像技術(shù)等體的路產(chǎn)采集設(shè)備對路產(chǎn)設(shè)施進(jìn)行自動采集與分析。例如：加拿大 Ro ARRN 道路信息檢測系統(tǒng)（如圖 1.2），該系統(tǒng)采用了 3 臺 CCD 攝像施采集系統(tǒng)，具有對采集到的道路設(shè)施信息進(jìn)行回放、多畫面顯示、、數(shù)據(jù)庫檢索等功能；澳大利亞的 RoadCrack 道路檢測車產(chǎn)于 90 年大卡車作為設(shè)備載體，該系統(tǒng)采用高速線掃描攝像機(jī)，最高速度能 幀每秒，處理程序采用計算機(jī)并行技術(shù)；武漢大學(xué)自主研發(fā)的N-RTM 智能道路檢測車（如圖 1.3）集現(xiàn)代檢測技術(shù)與一身，能夠自境、道路設(shè)施以及設(shè)施幾何參數(shù)，并且能夠?qū)崟r分析與快速存儲；哈 DETECTOR 道路檢測車，采用了衛(wèi)星導(dǎo)航技術(shù)，，該系統(tǒng)采用高清晰用其自主研發(fā)的相機(jī)高強(qiáng)度補(bǔ)光設(shè)備，能夠在陰天、雨天及霧霾等惡，進(jìn)行全天候道路設(shè)施采集。
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U491.52

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 余皓;劉秉琦;應(yīng)家駒;胡文剛;;基于Sigmoidal函數(shù)最小二乘擬合的一維圖像邊緣檢測方法[J];紅外技術(shù);2014年10期

2 王益紅;陳昭炯;;位置信息關(guān)聯(lián)的一類線畫草圖特征提取與識別[J];小型微型計算機(jī)系統(tǒng);2014年08期

3 王行甫;陳家偉;;基于高斯核的SVM的參數(shù)選擇[J];計算機(jī)系統(tǒng)應(yīng)用;2014年07期

4 戴曉娟;;基于SVM線性核函數(shù)情感分類模型的建立和研究[J];哈爾濱師范大學(xué)自然科學(xué)學(xué)報;2014年03期

5 黃利文;;改進(jìn)的距離判別分析法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2011年06期

6 石洪波;柳亞琴;李愛軍;;貝葉斯分類器的判別式參數(shù)學(xué)習(xí)[J];計算機(jī)應(yīng)用;2011年04期

7 趙俊蘭;陳可仁;;基于車載測量的交通標(biāo)志調(diào)查系統(tǒng)研究[J];測繪通報;2009年09期

8 張寧;何鐵軍;高朝暉;黃衛(wèi);;道路場景中交通標(biāo)志的檢測方法[J];交通運(yùn)輸工程學(xué)報;2008年06期

9 劉勇;全廷偉;;基于DAG-SVMS的SVM多類分類方法[J];統(tǒng)計與決策;2007年20期

10 左森;郭曉松;萬敬;周召發(fā);;多項式核函數(shù)SVM快速分類算法[J];計算機(jī)工程;2007年06期

本文編號：2543306