交通標(biāo)志牌是道路交通為駕駛者提供的風(fēng)向標(biāo),保障了城市交通的流暢運(yùn)行。隨著人工智能技術(shù)與智能交通的結(jié)合日趨緊密,交通標(biāo)志牌的檢測(cè)與識(shí)別逐漸成為了計(jì)算機(jī)視覺(jué)領(lǐng)域中的熱門問(wèn)題。主要應(yīng)用在智能交通、自動(dòng)駕駛、輔助駕駛等具體的交通場(chǎng)景。通過(guò)機(jī)器識(shí)別視頻流中出現(xiàn)的交通標(biāo)志牌來(lái)提醒駕駛者,為其預(yù)留足夠的反應(yīng)時(shí)間來(lái)控制汽車規(guī)避風(fēng)險(xiǎn),正確行駛。近年來(lái),基于GPU計(jì)算的深度學(xué)習(xí)目標(biāo)檢測(cè)模型在識(shí)別準(zhǔn)確度與檢測(cè)速度上的大幅度提升,越來(lái)越多的科研工作者將交通標(biāo)志牌的檢測(cè)與識(shí)別功能轉(zhuǎn)移到輕便小巧的嵌入式設(shè)備上,旨在設(shè)計(jì)一種脫離PC機(jī)以及云端的交通標(biāo)志識(shí)別設(shè)備,解決因網(wǎng)絡(luò)延遲與硬件體積過(guò)大所帶來(lái)的問(wèn)題。本文研究并設(shè)計(jì)了一種基于嵌入式的交通標(biāo)志牌檢測(cè)與識(shí)別系統(tǒng),主要的研究?jī)?nèi)容如下:1.本文對(duì)目標(biāo)檢測(cè)領(lǐng)域常用的圖像處理算法和目標(biāo)檢測(cè)算法進(jìn)行了原理分析和特性對(duì)比,凸顯了深度學(xué)習(xí)算法檢測(cè)精度高、速度快、泛用能力強(qiáng)等優(yōu)點(diǎn),為后續(xù)研究建立了理論基礎(chǔ);本文獨(dú)立建立了交通標(biāo)志牌數(shù)據(jù)集,包含15000多張真實(shí)交通場(chǎng)景以及每張圖像的標(biāo)注信息。2.系統(tǒng)的實(shí)現(xiàn)方案上,本文選用基于直接回歸法的YOLOv3目標(biāo)檢測(cè)的模型,兼顧了識(shí)別準(zhǔn)確率與識(shí)... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：91 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

TX2原理圖

第二章目標(biāo)檢測(cè)與圖像處理相關(guān)算法9點(diǎn)，對(duì)椒鹽噪聲有很好的去除效果。以3*3的算子為例，如圖2-1所示：圖2-1中值濾波原理圖以x,y為所求像素值坐標(biāo)，我們可以在3*3的鄰域中得到9個(gè)像素值，那么該點(diǎn)的中值濾波得到最后的結(jié)果就為這9個(gè)像素值的中位數(shù)。如式(2-1)：(,)=((1,1),(1,),(1,+1),(,1),(,),(,+1),(+1,1),(+1,),(+1,+1)(2-1)中值濾波應(yīng)用十分廣泛，具體效果如圖2-2所示：圖2-2中值濾波效果圖（a）噪聲圖；（b）去噪圖從上圖2-2的噪聲圖與去噪圖比較可以看出，去噪圖中椒鹽噪聲得到了抑制，圖像信息更加清晰。由此可以得出結(jié)論，中值濾波對(duì)椒鹽噪聲有很好的處理效果。2.1.1.2高斯濾波高斯濾波[29]是根據(jù)高斯函數(shù)的形狀來(lái)選擇權(quán)值的線性平滑濾波。通過(guò)對(duì)整幅圖像進(jìn)行加權(quán)，使每一個(gè)像素點(diǎn)的值都由其本身和鄰域內(nèi)的其它像素點(diǎn)的加權(quán)平均得到。顧名思義，高斯濾波對(duì)服從正態(tài)分布的噪聲非常有效。一維高斯濾波函數(shù)如式(2-2)：()=1√2(0)222(2-2)

第二章目標(biāo)檢測(cè)與圖像處理相關(guān)算法9點(diǎn)，對(duì)椒鹽噪聲有很好的去除效果。以3*3的算子為例，如圖2-1所示：圖2-1中值濾波原理圖以x,y為所求像素值坐標(biāo)，我們可以在3*3的鄰域中得到9個(gè)像素值，那么該點(diǎn)的中值濾波得到最后的結(jié)果就為這9個(gè)像素值的中位數(shù)。如式(2-1)：(,)=((1,1),(1,),(1,+1),(,1),(,),(,+1),(+1,1),(+1,),(+1,+1)(2-1)中值濾波應(yīng)用十分廣泛，具體效果如圖2-2所示：圖2-2中值濾波效果圖（a）噪聲圖；（b）去噪圖從上圖2-2的噪聲圖與去噪圖比較可以看出，去噪圖中椒鹽噪聲得到了抑制，圖像信息更加清晰。由此可以得出結(jié)論，中值濾波對(duì)椒鹽噪聲有很好的處理效果。2.1.1.2高斯濾波高斯濾波[29]是根據(jù)高斯函數(shù)的形狀來(lái)選擇權(quán)值的線性平滑濾波。通過(guò)對(duì)整幅圖像進(jìn)行加權(quán)，使每一個(gè)像素點(diǎn)的值都由其本身和鄰域內(nèi)的其它像素點(diǎn)的加權(quán)平均得到。顧名思義，高斯濾波對(duì)服從正態(tài)分布的噪聲非常有效。一維高斯濾波函數(shù)如式(2-2)：()=1√2(0)222(2-2)

【參考文獻(xiàn)】：
期刊論文
[1]A-FPN算法及其在遙感圖像船舶檢測(cè)中的應(yīng)用[J]. 于野,艾華,賀小軍,于樹海,鐘興,朱瑞飛.  遙感學(xué)報(bào). 2020(02)
[2]基于改進(jìn)HOG特征和SVM分類器的行人檢測(cè)[J]. 紀(jì)冕,張欣,徐海.  軟件. 2020(02)
[3]基于改進(jìn)的Adaboost和LBP危險(xiǎn)物品檢測(cè)算法研究[J]. 牛道鴻,馬曉東,吳雪冰,王芳.  計(jì)算機(jī)與現(xiàn)代化. 2020(02)
[4]深度學(xué)習(xí)的目標(biāo)跟蹤算法綜述[J]. 李璽,查宇飛,張?zhí)熘?崔振,左旺孟,侯志強(qiáng),盧湖川,王菡子.  中國(guó)圖象圖形學(xué)報(bào). 2019(12)
[5]最近鄰優(yōu)化的k-means聚類算法[J]. 林濤,趙璨.  計(jì)算機(jī)科學(xué). 2019(S2)
[6]基于寬淺稠密網(wǎng)絡(luò)的無(wú)人駕駛汽車交通標(biāo)志牌識(shí)別[J]. 鄧濤,李鑫,汪明明,鄧彪.  汽車技術(shù). 2020(01)
[7]基于YOLO v3的交通標(biāo)志牌檢測(cè)識(shí)別[J]. 潘衛(wèi)國(guó),劉博,陳英昊,石洪麗.  傳感器與微系統(tǒng). 2019(11)
[8]自適應(yīng)高斯混合模型海上移動(dòng)對(duì)象浮標(biāo)軌跡聚類研究[J]. 葛麗閣,孫偉.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(23)
[9]復(fù)雜光照條件下交通標(biāo)志牌檢測(cè)[J]. 李文舉,陳奇,董天禎,陸云帆,韋麗華.  中國(guó)科技論文. 2018(02)
[10]機(jī)器視覺(jué)在汽車駕駛輔助系統(tǒng)中的應(yīng)用[J]. 張琳琳,鄭碧琪.  上海汽車. 2017(10)

博士論文
[1]圖像去噪中幾種優(yōu)化算法的相關(guān)研究[D]. 楊昊.電子科技大學(xué) 2016
[2]高斯濾波器逼近理論與應(yīng)用研究[D]. 許景波.哈爾濱工業(yè)大學(xué) 2007

碩士論文
[1]基于徑向基函數(shù)的圖像旋轉(zhuǎn)算法研究[D]. 成慧芳.蘭州大學(xué) 2016
[2]數(shù)字圖像去噪算法的研究與應(yīng)用[D]. 賀東霞.延安大學(xué) 2015
[3]視頻圖像縮放算法的研究與實(shí)現(xiàn)[D]. 李然.華南理工大學(xué) 2012



本文編號(hào)：3423139