【摘要】：隨著國民經(jīng)濟(jì)的飛速發(fā)展,家庭汽車越來越普及,這就對(duì)預(yù)防交通安全事故和解決交通擁堵等問題提出了更加具有挑戰(zhàn)性的要求。在這樣的背景下,智能交通系統(tǒng)作為一項(xiàng)新的科學(xué)技術(shù)創(chuàng)新引起了大家的關(guān)注�；谝曨l的道路交通標(biāo)志識(shí)別作為智能交通系統(tǒng)的重要組成部分,可以提高駕駛的安全性,減少交通事故的發(fā)生,是智能交通研究的重要內(nèi)容。針對(duì)復(fù)雜的自然場景,識(shí)別技術(shù)的不成熟,如何準(zhǔn)確、快速識(shí)別出場景中的交通標(biāo)志圖像是智能交通技術(shù)的研究熱點(diǎn),具有一定的研究和應(yīng)用價(jià)值。本文主要從復(fù)雜場景下交通標(biāo)志圖像的預(yù)處理、交通標(biāo)志圖像的檢測、交通標(biāo)志圖像的識(shí)別這幾方面進(jìn)行了深入研究,研究內(nèi)容如下:1.圖像預(yù)處理方面:為了提高檢測和識(shí)別的速度,本文首先在保證標(biāo)志信息完整的前提下,采用降采樣方法對(duì)采集的交通標(biāo)志實(shí)景圖像進(jìn)行抽樣處理,降低了圖像分辨率,減少了處理的數(shù)據(jù)量,同時(shí)對(duì)圖像進(jìn)行了歸一化處理,便于后續(xù)的檢測與識(shí)別;其次,為解決獲取的交通標(biāo)志圖像對(duì)比度不足問題,在研究分析常用圖像增強(qiáng)算法的基礎(chǔ)上,采用了直方圖均衡化的方法對(duì)圖像進(jìn)行亮度增強(qiáng)處理;最后,研究了圖像的去噪方法,通過對(duì)比實(shí)驗(yàn),最終選用中值濾波算法對(duì)交通標(biāo)志實(shí)景圖進(jìn)行去噪處理,有效降低了圖像的噪聲。2.圖像檢測方面:為了提高交通標(biāo)志的檢測效率,對(duì)基于顏色模型的交通標(biāo)志檢測算法和基于輪廓形狀的交通標(biāo)志檢測算法進(jìn)行了研究分析和實(shí)驗(yàn),并在此基礎(chǔ)上,提出了一種融合顏色和形狀特征的基于HSV顏色模型和角點(diǎn)形狀的交通標(biāo)志檢測方法。該方法原理是首先將獲取的RGB顏色模型圖像轉(zhuǎn)化為HSV顏色模型表示,在HSV顏色空間中進(jìn)行顏色特征的粗檢測,其次,根據(jù)交通標(biāo)志形狀特征建立形狀角點(diǎn)掩模,利用掩模進(jìn)行卷積運(yùn)算確定角點(diǎn),最后采用角點(diǎn)進(jìn)行形狀的檢測與分割。實(shí)驗(yàn)結(jié)果表明該方法有效提高了檢測效率。3.為了提高交通標(biāo)志的識(shí)別率和識(shí)別速度,對(duì)傳統(tǒng)的模板匹配識(shí)別算法進(jìn)行了研究與實(shí)驗(yàn),并在分析實(shí)驗(yàn)結(jié)果的基礎(chǔ)上,提出了一種基于Pearson相關(guān)系數(shù)的模板識(shí)別算法。該方法是通過提取標(biāo)準(zhǔn)圖像和待識(shí)別圖像的水平、垂直、45°和135°四個(gè)方向的灰度分布,進(jìn)行Pearson相關(guān)系數(shù)的匹配識(shí)別。實(shí)驗(yàn)表明,該方法比傳統(tǒng)的去均值相關(guān)系數(shù)匹配法識(shí)別準(zhǔn)確率高,速度也相對(duì)較快。4.在分析SIFT特征識(shí)別算法特點(diǎn)的基礎(chǔ)上,著重研究了其優(yōu)化算法SURF特征識(shí)別算法,該算法通過構(gòu)建Hessian矩陣,生成所有的興趣特征點(diǎn),然后在所構(gòu)建尺度空間里對(duì)Hessian矩陣中的關(guān)鍵特征點(diǎn)進(jìn)行定位,再為特征點(diǎn)分配主方向生成特征點(diǎn)描述子,最后通過SURF特征匹配完成識(shí)別。該算法原理是先對(duì)檢測分割得到的交通標(biāo)志進(jìn)行粗分類,再對(duì)交通標(biāo)志進(jìn)行SURF特征提取與描述,最后將粗分類結(jié)果與模板庫的特征向量集進(jìn)行特征點(diǎn)匹配來完成識(shí)別。實(shí)驗(yàn)結(jié)果表明,基于SURF特征識(shí)別對(duì)于交通標(biāo)志的識(shí)別效果較好。5.研究了BP神經(jīng)網(wǎng)絡(luò)的識(shí)別算法,并針對(duì)BP神經(jīng)網(wǎng)絡(luò)算法訓(xùn)練時(shí)間長,收斂速度慢的缺點(diǎn),提出了改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)識(shí)別算法。該算法首先以自適應(yīng)方式代替手動(dòng)方式對(duì)學(xué)習(xí)速率進(jìn)行調(diào)整,同時(shí)增加了動(dòng)量項(xiàng)的設(shè)置,壓縮了S函數(shù)的范圍;其次對(duì)樣本庫進(jìn)行了分類細(xì)化。實(shí)驗(yàn)表明,改進(jìn)的算法加快了神經(jīng)網(wǎng)絡(luò)識(shí)別算法的收斂速度,減少了訓(xùn)練時(shí)間,交通標(biāo)志的識(shí)別率和實(shí)時(shí)性有明顯提高。6.在以上研究成果的基礎(chǔ)上,利用Microsoft Visual Studio 2010結(jié)合OpenCV開源視覺庫設(shè)計(jì)了并實(shí)現(xiàn)了基于MFC框架的交通標(biāo)志識(shí)別原型系統(tǒng)。該系統(tǒng)主要集成并實(shí)現(xiàn)了視頻讀取、圖像預(yù)處理,標(biāo)志檢測、標(biāo)志識(shí)別等功能模塊的功能。
【圖文】：

長安大學(xué)碩士學(xué)位論文稱得上實(shí)時(shí)處理，所以必須對(duì)檢測與識(shí)別算法進(jìn)行不斷的改進(jìn)，并且也必須不斷加強(qiáng)和提高。性：交通標(biāo)志識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)還要將經(jīng)濟(jì)因素考慮在內(nèi)。公用數(shù)據(jù)樣本：目前，我國缺少完備的交通標(biāo)志數(shù)據(jù)庫，，不能實(shí)現(xiàn)識(shí)別方法比較研究，更不能客觀對(duì)所有設(shè)計(jì)算法做出性能評(píng)價(jià)。文所述，自然環(huán)境中采集的交通標(biāo)志具有較強(qiáng)的模糊性和不確定性志識(shí)別系統(tǒng)而言，我們必須保證它能夠準(zhǔn)確快速的識(shí)別出每一種交標(biāo)志識(shí)別算法的設(shè)計(jì)必須要保證識(shí)別系統(tǒng)性能的良好。景中交通標(biāo)志識(shí)別難點(diǎn)如圖 1.1 所示：

圖 1.2 交通標(biāo)志識(shí)別流程圖1.4.2 主要內(nèi)容本文主要研究了交通標(biāo)志識(shí)別系統(tǒng)的核心--交通標(biāo)志的自動(dòng)檢測與交通標(biāo)志識(shí)別。在廣泛查閱了國內(nèi)外現(xiàn)有的關(guān)于交通標(biāo)志檢測與識(shí)別的文獻(xiàn)資料后，比較了現(xiàn)有的交通標(biāo)志檢測與識(shí)別所采用的方法[8]。在交通標(biāo)志檢測階段研究了基于征的檢測、基于形狀特征的檢測、二者相結(jié)合的一種基于 HSV 顏色模型和角點(diǎn)測的方法。交通標(biāo)志識(shí)別階段主要討論了提出的基于模板匹配算法、基于 SURF配算法、基于改進(jìn)的神經(jīng)網(wǎng)絡(luò)識(shí)別算法，并在 VS2010 平臺(tái)下編程實(shí)現(xiàn)各個(gè)算法了基于這些算法的交通標(biāo)志識(shí)別，并通過采集到的交通標(biāo)志錄像進(jìn)行實(shí)驗(yàn)，最后表進(jìn)行結(jié)果的分析。通過實(shí)驗(yàn)證明了基于 HSV 顏色模型和角點(diǎn)形狀檢測算法和進(jìn)的神經(jīng)網(wǎng)絡(luò)識(shí)別算法相結(jié)合的算法識(shí)別效果的優(yōu)越性。本文共有七章，主要研如下：
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：U463.6;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張志佳;李文強(qiáng);張丹;鐘玲;;基于顏色與形狀特征的交通標(biāo)志檢測方法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2015年07期

2 屈靜軍;曹曉勇;李佳寧;;視頻序列中運(yùn)動(dòng)目標(biāo)檢測與跟蹤[J];信息通信;2013年04期

3 吳成茂;;直方圖均衡化的數(shù)學(xué)模型研究[J];電子學(xué)報(bào);2013年03期

4 李松;劉力軍;翟曼;;改進(jìn)粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的短時(shí)交通流預(yù)測[J];系統(tǒng)工程理論與實(shí)踐;2012年09期

5 李新;禹翼;;基于SIFT算法的交通標(biāo)志識(shí)別[J];制造業(yè)自動(dòng)化;2012年05期

6 張瑞;張朋;;基于顏色和形狀的交通標(biāo)志檢測與分類[J];微計(jì)算機(jī)信息;2010年35期

7 楊秋霞;;中值濾波與均值濾波的應(yīng)用研究[J];內(nèi)江科技;2010年11期

8 高程程;惠曉威;;基于灰度共生矩陣的紋理特征提取[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年06期

9 陸曉峰;朱雙東;;基于BP網(wǎng)絡(luò)分類器的交通標(biāo)志識(shí)別[J];寧波大學(xué)學(xué)報(bào)(理工版);2007年03期

10 朱雙東;陸曉峰;;道路交通標(biāo)志識(shí)別的研究現(xiàn)狀及展望[J];計(jì)算機(jī)工程與科學(xué);2006年12期

相關(guān)博士學(xué)位論文 前2條

1 范延軍;基于機(jī)器視覺的先進(jìn)輔助駕駛系統(tǒng)關(guān)鍵技術(shù)研究[D];東南大學(xué);2016年

2 田廣;基于視覺的行人檢測和跟蹤技術(shù)的研究[D];上海交通大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 王斌;自然環(huán)境下道路交通標(biāo)志的檢測與識(shí)別[D];山東大學(xué);2017年

2 張曉靜;基于數(shù)字圖像處理的導(dǎo)盲系統(tǒng)設(shè)計(jì)[D];河北科技大學(xué);2016年

3 李光瑞;自然場景下道路交通標(biāo)志檢測與識(shí)別的研究[D];西華大學(xué);2016年

4 歐陽文;面向智能駕駛的交通標(biāo)志檢測和分類算法研究[D];重慶郵電大學(xué);2016年

5 王龍;圖像紋理特征提取及分類研究[D];中國海洋大學(xué);2014年

6 侯曉麗;基于局部特征的圖像匹配算法研究[D];西安電子科技大學(xué);2014年

7 葉鑫鵬;基于免疫算法的交通標(biāo)志的分割與識(shí)別研究[D];廣西科技大學(xué);2013年

8 步亞東;圖像紋理特征提取的研究[D];山東師范大學(xué);2012年

9 谷會(huì)芬;基于支持向量機(jī)的交通標(biāo)志識(shí)別研究[D];燕山大學(xué);2012年

10 彭祖勝;交通標(biāo)志和信號(hào)燈實(shí)時(shí)檢測與識(shí)別技術(shù)研究[D];重慶大學(xué);2012年

本文編號(hào)：2619609