發(fā)布時間：2020-08-09 12:40

【摘要】：無人駕駛系統(tǒng)和先進輔助駕駛系統(tǒng)是智能交通的重要組成部分。道路交通標志自動檢測與識別是無人駕駛系統(tǒng)和先進輔助駕駛系統(tǒng)的關(guān)鍵問題之一。在交通標志中,矩形交通標志上包含豐富的道路交通信息,如文本、符號等內(nèi)容,這些信息對于提高交通安全和通行效率起到重要作用。因此快速檢測并提取矩形交通標志中包含的文本信息具有重要的研究價值和應(yīng)用前景。本論文以中國矩形交通標志內(nèi)的中文文本為研究對象,對矩形交通標志內(nèi)的中文文本進行檢測并提取文本行。本文的工作主要包括以下幾個方面:(1)矩形交通標志中文本區(qū)域的粗檢測。首先采用了 RGB和HSV顏色空間相結(jié)合的方法對圖像進行預處理以減少顏色失真和光照變化等因素對文本檢測的影響。之后改進了基于八叉樹顏色量化的多分層算法實現(xiàn)文本區(qū)域的粗檢測。(2)矩形交通標志中文本區(qū)域的精確檢測。在文本粗檢測的基礎(chǔ)上,給出了一種基于學習的多級聯(lián)過濾算法實現(xiàn)文本區(qū)域的精確檢測。具體而言,使用幾何特征和HOG特征結(jié)合Adaboost分類器構(gòu)成檢測過濾系統(tǒng),去除非文本區(qū)域。最后設(shè)計了丟失文本區(qū)域召回算法,提高文本區(qū)域的查全率。并采用非極大值抑制算法提高文本檢測的精確度。(3)矩形交通標志中文本行的檢測。針對精確檢測的文本區(qū)域,改進了基于核邏輯回歸的度量學習實現(xiàn)文本行的檢測。該方法對矩形交通標志中文本區(qū)域大小不一,分布錯亂和間距不等具有較好的魯棒性。為了測試本論文提出算法的性能,本文建立1509幅中國矩形交通標志數(shù)據(jù)庫,從中隨機選擇436幅圖像作為測試圖像、其余的1073幅作為訓練圖像。測試結(jié)果為單個文本的召回率在88.63%,精確度95.81%。文本行的召回率在89.94%,精確度在93.26%,實驗結(jié)果表明了本論文算法的有效性。
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：U463.6;TP391.41
【圖文】：

＿邋ｔｇｉ＾ｉｉｆｇ邋ｎＭｈＵ＇－ｙｉ逡逑曑sE邋ＭＥＨ邋ｌｉＳＢｉ逡逑ＢＳ９１，、圳１丨丨丨１邋■逡逑｜景山東街南ａ邋ｋ原八達鈐高速）．逡逑圖１－１顏色不同的矩形交通標志逡逑Ｆｉｇｕｒｅ邋１－１邋Ｄｉｆｆｅｒｅｎｔ邋ｃｏｌｏｒｓ邋ｏｆ邋ｒｅｃｔａｎｇｌｅ邋ｔｒａｆｆｉｃ邋ｐａｎｅｌｓ逡逑ＳＭ＾Ｓ＾ｂｂｂ．逡逑（ｆｌＢｆＳｌ邋NB，愚＇．蛛ｓＵＢＢ逡逑圖１－２不同光照影響的情況逡逑Ｆｉｇｕｒｅ邋１－２邋ＤｉｆＴｅｍｅｎｔ邋ｌｉｇｈｔ邋ｃｏｎｄｉｔｉｏｎ逡逑＊￥ａ３Ｍ邋＾５ｉｉ；邋ｍｎ逡逑ｌｉｌＷｌｆ邋，邋ｊ：」逡逑圖１邋－３不同寬高比的矩形交通標志逡逑Ｆｉｇｕｒｅ邋１－３邋Ｄｉｆｆｅｒｅｎｔ邋ｒａｔｉｏ邋ｏｆ邋ｒｅｃｔａｎｇｌｅ邋ｔｒａｆｆｉｃ邋ｐａｎｅｌ逡逑６逡逑

＿邋ｔｇｉ＾ｉｉｆｇ邋ｎＭｈＵ＇－ｙｉ逡逑曑sE邋ＭＥＨ邋ｌｉＳＢｉ逡逑ＢＳ９１，、圳１丨丨丨１邋■逡逑｜景山東街南ａ邋ｋ原八達鈐高速）．逡逑圖１－１顏色不同的矩形交通標志逡逑Ｆｉｇｕｒｅ邋１－１邋Ｄｉｆｆｅｒｅｎｔ邋ｃｏｌｏｒｓ邋ｏｆ邋ｒｅｃｔａｎｇｌｅ邋ｔｒａｆｆｉｃ邋ｐａｎｅｌｓ逡逑ＳＭ＾Ｓ＾ｂｂｂ．逡逑（ｆｌＢｆＳｌ邋NB，愚＇．蛛ｓＵＢＢ逡逑圖１－２不同光照影響的情況逡逑Ｆｉｇｕｒｅ邋１－２邋ＤｉｆＴｅｍｅｎｔ邋ｌｉｇｈｔ邋ｃｏｎｄｉｔｉｏｎ逡逑＊￥ａ３Ｍ邋＾５ｉｉ；邋ｍｎ逡逑ｌｉｌＷｌｆ邋，邋ｊ：」逡逑圖１邋－３不同寬高比的矩形交通標志逡逑Ｆｉｇｕｒｅ邋１－３邋Ｄｉｆｆｅｒｅｎｔ邋ｒａｔｉｏ邋ｏｆ邋ｒｅｃｔａｎｇｌｅ邋ｔｒａｆｆｉｃ邋ｐａｎｅｌ逡逑６逡逑

Ｆｉｇｕｒｅ邋１－１邋Ｄｉｆｆｅｒｅｎｔ邋ｃｏｌｏｒｓ邋ｏｆ邋ｒｅｃｔａｎｇｌｅ邋ｔｒａｆｆｉｃ邋ｐａｎｅｌｓ逡逑ＳＭ＾Ｓ＾ｂｂｂ．逡逑（ｆｌＢｆＳｌ邋NB，愚＇．蛛ｓＵＢＢ逡逑圖１－２不同光照影響的情況逡逑Ｆｉｇｕｒｅ邋１－２邋ＤｉｆＴｅｍｅｎｔ邋ｌｉｇｈｔ邋ｃｏｎｄｉｔｉｏｎ逡逑＊￥ａ３Ｍ邋＾５ｉｉ；邋ｍｎ逡逑ｌｉｌＷｌｆ邋，邋ｊ：」逡逑圖１邋－３不同寬高比的矩形交通標志逡逑Ｆｉｇｕｒｅ邋１－３邋Ｄｉｆｆｅｒｅｎｔ邋ｒａｔｉｏ邋ｏｆ邋ｒｅｃｔａｎｇｌｅ邋ｔｒａｆｆｉｃ邋ｐａｎｅｌ逡逑６逡逑

【參考文獻】

相關(guān)期刊論文 前1條

1 岳求生;周書仁;李峰;譚飛剛;;HSV與LBP特征融合的行人檢測方法研究[J];計算機工程與科學;2014年10期

本文編號：2787129