【摘要】：交通標(biāo)志包含了大量的道路狀況信息,為駕駛員的安全有序行駛提供了重要保障。隨著技術(shù)的發(fā)展和應(yīng)用的需求,交通標(biāo)志檢測和識別系統(tǒng)在高級駕駛輔助系統(tǒng)和自動駕駛研究中扮演著至關(guān)重要的角色。交通標(biāo)志根據(jù)功能可以劃分成很多類,雖然每一類交通標(biāo)志之間具有相似的形狀和顏色,但是表示的具體含義卻不相同。針對現(xiàn)有的交通標(biāo)志檢測和識別算法中存在的不足,本文提出了基于級聯(lián)卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志檢測算法和基于多特征融合的交通標(biāo)志識別算法,主要創(chuàng)新點如下:一、交通標(biāo)志檢測不同于一般的目標(biāo)檢測,通常情況下交通標(biāo)志在整幅圖像中所占比例不足5%,而且在復(fù)雜的自然場景中,存在很多干擾因素,例如光照亮度低、運動模糊、雨雪等惡劣天氣條件、交通標(biāo)志牌被遮擋或損壞等,這為交通標(biāo)志檢測帶來了巨大的挑戰(zhàn)。本文所提出的檢測算法實現(xiàn)了對交通標(biāo)志由粗到細的檢測,而且對圖像中不同大小的交通標(biāo)志具有很好檢測性能。檢測網(wǎng)絡(luò)通過三個卷積神經(jīng)網(wǎng)絡(luò)級聯(lián)得到,首先對圖像多尺度縮放獲得不同尺寸的交通標(biāo)志,然后將多尺度圖像輸入一個全卷積神經(jīng)網(wǎng)絡(luò),快速將非交通標(biāo)志區(qū)域篩除,再繼續(xù)通過余下的兩個神經(jīng)網(wǎng)絡(luò)進行更進一步地篩選,最終定位出圖像中的交通標(biāo)志區(qū)域。而且本文所提出的檢測網(wǎng)絡(luò)能夠適應(yīng)多尺度的樣本圖像進行訓(xùn)練,更符合交通標(biāo)志檢測的實際情況。通過在多個交通標(biāo)志檢測庫上進行性能測試,實驗結(jié)果表明,通過級聯(lián)神經(jīng)網(wǎng)絡(luò)對交通標(biāo)志由粗到細的檢測,不僅保證了召回率,而且提高了檢測的準(zhǔn)確率。二、基于交通標(biāo)志形狀、顏色的特性分析,本文提出了融合標(biāo)志的邊緣特征、顏色和紋理特征,并利用支持向量機(SVM)分類器進行交通標(biāo)志識別的算法。首先以特征稀疏的方式融合交通標(biāo)志的HOG和LBP特征,降低了特征向量的維數(shù),從而降低了時間復(fù)雜度,然后再與顏色特征級聯(lián)融合得到最終的交通標(biāo)志特征向量。最后將交通標(biāo)志圖像的特征集合輸入到SVM進行訓(xùn)練建立交通標(biāo)志識別模型。在兩個公開的交通標(biāo)志數(shù)據(jù)庫上進行了性能測試,實驗表明本文所提出的交通標(biāo)志識別算法不僅獲得了最高的準(zhǔn)確率,而且時間復(fù)雜度最低,系統(tǒng)魯棒性最好。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;U491.5

【相似文獻】

相關(guān)期刊論文 前10條

1 劉杰;;一種基于多特征融合的自適應(yīng)目標(biāo)跟蹤策略[J];大眾科技;2016年11期

2 劉紅;王曄;雷長海;;基于多特征融合的中醫(yī)舌像檢索研究[J];計算機應(yīng)用研究;2010年02期

3 王益堯;;基于多特征融合問句理解問答系統(tǒng)研究[J];數(shù)據(jù)通信;2018年02期

4 李志欣;李艷紅;張燦龍;;一種多特征融合的場景分類方法[J];小型微型計算機系統(tǒng);2018年05期

5 霍富功;王詩琴;;基于多特征融合的轉(zhuǎn)移粒子濾波紅外小目標(biāo)跟蹤算法研究[J];信息與電腦(理論版);2018年12期

6 蔣曉玲;章慧;;基于多特征融合的激光醫(yī)學(xué)圖像拼接[J];激光雜志;2015年12期

7 王鈺;何紅艷;譚偉;齊文雯;;一種多特征融合的高分辨率遙感圖像道路提取算法[J];遙感信息;2019年01期

8 孫汝星;范榮雙;;基于支持向量機的多特征融合影像云檢測[J];測繪與空間地理信息;2018年06期

9 喬瑞萍;孫賀;董員臣;王方;;基于多特征融合的井蓋檢測系統(tǒng)實現(xiàn)[J];電子技術(shù)應(yīng)用;2018年06期

10 顧鑫;李U

本文編號：2780221