本文關鍵詞：基于多特征融合的交通標志檢測與識別

  更多相關文章： 交通標志 多特征 卷積神經(jīng)網(wǎng)絡

【摘要】：道路交通標志是用于向駕駛員傳遞路況及交通規(guī)則的道路設施,利用不同的顏色、形狀、圖案的組合來表達不同的信息,具有顯著的顏色、形狀和尺度特征。本文充分利用交通標志的上述特征,研究自然場景下交通標志自動檢測與識別方法。本文提出了一種多特征融合的交通標志檢測與識別方法,利用交通標志的多種特征來協(xié)同實現(xiàn)交通標志的檢測與識別,具有良好的準確性和魯棒性。在交通標志檢測階段,根據(jù)交通標志的特定的顏色(紅、藍)特征,采用顏色不變量特征,建立相應顏色的混合高斯顏色概率模型。通過該模型計算圖片中每個像素點屬于交通標志某特定顏色的概率,從而得到相應的顏色概率圖。再將概率圖轉為灰度圖,這樣得到的灰度圖中,較明亮的區(qū)域即為特定顏色相關的區(qū)域。再利用最大穩(wěn)定性極值區(qū)域算法(Maximally Stable Extremal Regions,MSER)尋找灰度圖中的灰度穩(wěn)定性區(qū)域,如果圖片中有交通標志,那么極大可能位于這些穩(wěn)定區(qū)域中,然后利用交通標志的尺度特征篩選這些穩(wěn)定區(qū)域,得到最終的候選檢測區(qū)域。然后根據(jù)交通標志的形狀特征,利用方向梯度直方圖(HOG)特征訓練支持向量機(SVM)分類器,利用該分類器對候選檢測區(qū)域進行分類檢測,判斷該區(qū)域是否存在交通標志,從而得到交通標志位置。在交通標志識別階段,結合交通標志檢測的結果,對于待分類識別的交通標志,其形狀、顏色、所屬的大類(警告、禁令、指示)等信息是已知的,因而在識別階段,主要的是識別交通標志內(nèi)部的圖案差異。本文利用交通標志的灰度圖片作為訓練樣本,利用限制對比度自適應直方圖均衡算法(Contrast Limited Adaptive Histgram Equalization,CLAHE)對訓練樣本進行處理,消除光照對圖片的影響,根據(jù)交通標志各大類的圖案特點,訓練不同的識別網(wǎng)絡,從而得到較好的識別效果。本文采用的算法經(jīng)過實驗驗證表明是比較可行且有效的,在檢測和識別方面都具有不錯的效果。
【關鍵詞】：交通標志 多特征 卷積神經(jīng)網(wǎng)絡
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TP391.41
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-15
• 1.1 研究背景及意義9-10
• 1.2 交通標志檢測與識別的研究現(xiàn)狀10-14
• 1.2.1 交通標志檢測算法的研究現(xiàn)狀10-13
• 1.2.2 交通標志識別算法的研究現(xiàn)狀13-14
• 1.3 本文研究目標和研究內(nèi)容14-15
• 第二章 交通標志及圖像預處理算法15-24
• 2.1 交通標志分析15-17
• 2.2 相關圖像處理理論及算法17-23
• 2.2.1 顏色空間17-21
• 2.2.2 最大穩(wěn)定極值區(qū)域算法21-22
• 2.2.3 限制對比度自適應直方圖均衡22-23
• 2.3 本章小結23-24
• 第三章 交通標志檢測算法設計24-43
• 3.1 交通標志檢測概述24-26
• 3.2 圖片預處理及候選區(qū)域提取26-38
• 3.2.1 基于顏色分類器的圖片預處理算法26-29
• 3.2.2 基于顏色特征模型的圖片預處理算法29-32
• 3.2.3 基于顏色概率模型的圖片預處理算法32-38
• 3.2.4 小結38
• 3.3 交通標志檢測器設計及訓練38-41
• 3.3.1 HOG特征簡介38-41
• 3.3.2 基于HOG特征的交通標志檢測器設計41
• 3.4 本章小結41-43
• 第四章 交通標志識別算法設計43-56
• 4.1 交通標志識別概述43-44
• 4.2 卷積神經(jīng)網(wǎng)絡基本原理44-49
• 4.2.1 神經(jīng)網(wǎng)絡44-46
• 4.2.2 卷積神經(jīng)網(wǎng)絡46-49
• 4.3 交通標志識別網(wǎng)絡設計49-55
• 4.3.1 交通標志預處理49-50
• 4.3.2 網(wǎng)絡設計50-55
• 4.4 本章小結55-56
• 第五章 實驗與分析56-71
• 5.1 軟硬件平臺56
• 5.2 交通標志數(shù)據(jù)集56-58
• 5.3 交通標志檢測實驗58-65
• 5.3.1 數(shù)據(jù)準備58-59
• 5.3.2 分類器訓練及建模59-62
• 5.3.3 檢測實驗62-65
• 5.4 交通標志識別實驗65-68
• 5.4.1 準備數(shù)據(jù)65-67
• 5.4.2 訓練網(wǎng)絡67
• 5.4.3 識別實驗67-68
• 5.5 交通標志檢測與識別系統(tǒng)68-70
• 5.6 本章小結70-71
• 第六章 總結與展望71-73
• 6.1 總結71-72
• 6.2 展望72-73
• 致謝73-74
• 參考文獻74-77
• 攻讀碩士期間取得的成果77-78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 孫光民;王晶;于光宇;李罡;許磊;;自然背景中交通標志的檢測與識別[J];北京工業(yè)大學學報;2010年10期

2 張卡;盛業(yè)華;葉春;;針對車載移動測量系統(tǒng)的交通標志自動檢測[J];武漢大學學報(信息科學版);2009年12期

3 鄭義,蔣剛毅;形狀的幾何特征數(shù)值描述與交通標志的識別[J];信息與控制;1997年01期

，

本文編號：692002