交通標志識別是自動駕駛技術(shù)和智能交通系統(tǒng)的重要組成部分,對于改善人民生活、有效防止交通事故的發(fā)生有著重要的意義。近年來,隨著人工智能大潮的到來,交通標志識別的研究成為了計算機視覺、模式識別、深度學習領(lǐng)域的一大研究熱點。而交通標志識別的關(guān)鍵就是如何正確地提取交通標志感興趣區(qū)域和對交通標志進行分類。由于傳統(tǒng)的交通標志感興趣提取算法對于天氣敏感,且易背景的干擾,所以本文中引入了一種新的感興趣區(qū)域提取算法以及二級分類,取得了較好的效果。主要研究內(nèi)容如下:1.基于傳統(tǒng)的交通標志感興趣區(qū)域提取算法的顏色分割算法進行了實驗,驗證了傳統(tǒng)方法在某些情況下的可行性。2.提出了將SS算法引入交通標志感興趣區(qū)域提取中,并且基于顏色通道和最小分割閾值對SS算法進行了改進。通過實驗驗證了將SS算法中的RGB通道換成HSV通道,能夠更好地適應(yīng)多變天氣下交通標志的提取,表明了改進后的有效性;基于清華-騰訊數(shù)據(jù)庫,找到了提取效果較好的最小分割閾值。用改進后的SS算法與傳統(tǒng)的交通標志感興趣區(qū)域提取算法來提取交通標志感興趣區(qū)域,實驗結(jié)果表明了 SS算法的優(yōu)越性。3.采用了交通標志二級分類方法,先進行正負樣本的分類,再進行交... 

【文章來源】：湖南大學湖南省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖２．２部分道路指示標志??

工程碩士學位論文第２章傳統(tǒng)的交通標志感興趣區(qū)域提取方法??交通標志分類??根據(jù)中華人民共和國國家標準ＧＢ５７６８．２－２００９道路交通標志和標線的第１］，包含六類主標志和一些輔助標志，在主標志中，最常見主要有以下三（１）道路警告標志。起警示作用，顏為黃底黑邊黑色圖案，形狀上為頂?shù)冗吶切�。如圖２．１所示為部分道路警告標志。??

Ａ?Ａ?Ａ?Ａ?Ａ?Ａ??圖２．１部分道路警告標志??（２）道路指示標志。起指示作用，顏色上為藍底白色圖案，形狀上為圓形。如圖２．２所示為部分道路指示標志。??？圃＠圓□??圖２．２部分道路指示標志??（３）道路禁令標志。起警示作用，除了極少數(shù)標志外，一般顏色上為白圖案，有的有紅杠，形狀上大部分為圓形，也包含少數(shù)頂角向下的等邊八角形。如圖２．３所示為部分道路禁令標志。??

【參考文獻】：
期刊論文
[1]基于圖像處理的道路交通標志檢測與識別方法[J]. 趙玉偉.  交通世界. 2018(09)
[2]基于ROI和CNN的交通標志識別研究[J]. 黃娜君,汪慧蘭,朱強軍,洪名佳.  無線電通信技術(shù). 2018(02)
[3]深度學習的模型搭建及過擬合問題的研究[J]. 陶礫,楊朔,楊威.  計算機時代. 2018(02)
[4]基于分類和模糊濾波的X光圖像椒鹽噪聲濾除算法[J]. 袁桂霞,周先春.  計算機應(yīng)用研究. 2019(01)
[5]改進基于HSV空間的陰影檢測算法[J]. 楊春德,郭帥.  計算機工程與設(shè)計. 2018(01)
[6]自適應(yīng)直方圖均衡化圖像增強算法研究[J]. 王超,孫玉秋,徐石瑤,余美晨,李祖勝.  長江大學學報(自科版). 2018(01)
[7]基于計算機視覺的交通標志自動識別軟件研究與實現(xiàn)[J]. 李俊華,宋海玉,佟雨欣,張奇,牛軍海,張宇新.  中國高新科技. 2018(01)
[8]基于主成分特征向量系數(shù)的交通標志識別方法研究[J]. 鄒柏賢,苗軍,孟斌.  微型機與應(yīng)用. 2017(24)
[9]基于混合顏色空間的反應(yīng)孔圖像分割算法研究[J]. 王延年,趙朗月,劉會敏.  國外電子測量技術(shù). 2017(12)
[10]基于canny和霍夫變換的車道線識別算法研究[J]. 唐陽山,李棟梁,朱停仃,黃賢成.  汽車實用技術(shù). 2017(22)

碩士論文
[1]面向智能駕駛的交通標志檢測和分類算法研究[D]. 歐陽文.重慶郵電大學 2016
[2]道路交通標志檢測與識別算法研究[D]. 賈驥.北京交通大學 2015
[3]基于顏色特征和SVM的交通標志識別技術(shù)的研究與實現(xiàn)[D]. 趙策.東北大學 2014
[4]基于支持向量機的道路交通標志識別的研究[D]. 李錚.燕山大學 2011



本文編號：3609135