交通標(biāo)志檢測識別作為智能交通系統(tǒng)的關(guān)鍵技術(shù),在輔助駕駛、無人駕駛方面具有廣泛應(yīng)用場景。但由于道路環(huán)境復(fù)雜,交通標(biāo)志檢測識別過程中會受到自然條件和內(nèi)部硬件等因素干擾,使得檢測識別算法很難達(dá)到商業(yè)應(yīng)用要求。因此,本文對自然場景下的道路交通標(biāo)志檢測識別開展研究,主要工作如下:針對,針對道路交通標(biāo)志的檢測識別方法,提出了一種基于顏色信息與融合特征矩輸入支持向量機(jī)的交通標(biāo)志檢測方法。本文檢測方法首先對比了不同顏色空間的色彩表達(dá)能力,運(yùn)用顏色特征進(jìn)行圖像分割,采用形態(tài)學(xué)處理消除圖像中大部分無關(guān)信息,獲得識別候選區(qū)域;然后提取區(qū)域中的小波矩特征和HOG特征,選擇串聯(lián)連接方法得到新的特征;將新的特征信息傳輸SVM中進(jìn)行分類訓(xùn)練,對圖像道路交通標(biāo)志的顏色形狀進(jìn)行判別。其次我國缺乏統(tǒng)一交通標(biāo)志數(shù)據(jù)集問題,本論文在真實(shí)道路條件下采集交通標(biāo)志數(shù)據(jù),通過前期的預(yù)處理方法對采集數(shù)據(jù)進(jìn)行變換、擴(kuò)充,其預(yù)處理方法包括:采用Gamma校正和直方圖均衡化預(yù)處理技術(shù),增強(qiáng)圖像的內(nèi)部信息,降低光照影響;同時(shí)采用中值濾波,消除圖像部分噪聲,保障圖像邊緣信息;本章最后設(shè)計(jì)了交通標(biāo)志檢測識別系統(tǒng)框架,為之后的工作做了知識鋪墊和實(shí)驗(yàn)... 

【文章來源】：上海應(yīng)用技術(shù)大學(xué)上海市

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

禁令標(biāo)志示例圖

第6頁上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文圖1.2指示標(biāo)志示例圖Fig.1.2Illustrationdiagramofindicator（3）警告標(biāo)志警告標(biāo)志的主要作用是針對前方交通特殊環(huán)境或交通變化等信息進(jìn)行重點(diǎn)說明，給予行駛?cè)藛T警告信息。我國警告標(biāo)志涉及49種。常見的警告標(biāo)志一般以黃色為底面，警告內(nèi)容呈現(xiàn)黑色圖案，外圍形狀以等邊三角形為主。如圖1.3所示。圖1.3警告標(biāo)志示例圖Fig.1.3Examplewarningsigns1.3.2常用的交通標(biāo)志數(shù)據(jù)集介紹交通標(biāo)志數(shù)據(jù)集在圖像識別領(lǐng)域中占有重要作用。豐富的交通標(biāo)志數(shù)據(jù)集不僅涉及到交通標(biāo)志、標(biāo)志背景，還會包含其他諸多因素，如光照、亮度、天氣等。在訓(xùn)練數(shù)據(jù)集過程中，數(shù)據(jù)集特性表現(xiàn)的越豐富，其訓(xùn)練結(jié)果表現(xiàn)出的識別廣泛性能越好，識別準(zhǔn)確率越高。因此，在提高識別準(zhǔn)確率上，不單要依靠算法的整體設(shè)計(jì)優(yōu)化，還需要可靠的數(shù)據(jù)集才能完成。GTSRB數(shù)據(jù)集其特點(diǎn)在于：數(shù)據(jù)集的圖像全部是從自然場景中采集提取出來，適合單圖像，多分類問題識別方法研究；該數(shù)據(jù)集共由五大類43小標(biāo)志組成，總共圖片超過50000張，圖片龐大且逼真。該數(shù)據(jù)集按照大致1：4的數(shù)量可分為測試圖像和訓(xùn)練圖像。43種類的交通標(biāo)志如圖1.4所示。圖1.4GTSRB數(shù)據(jù)集各種類標(biāo)志樣圖Fig.1.4GTSRBSampledatasetsforeachtypeoflogo我國交通標(biāo)志數(shù)據(jù)集CSUST（ChineseTrafficSignDetectionBenchmark）是長沙理工大學(xué)張建明老師團(tuán)隊(duì)制作完成[37]。該數(shù)據(jù)集已超過15000張，并保持不斷更新狀

第6頁上海應(yīng)用技術(shù)大學(xué)碩士學(xué)位論文圖1.2指示標(biāo)志示例圖Fig.1.2Illustrationdiagramofindicator（3）警告標(biāo)志警告標(biāo)志的主要作用是針對前方交通特殊環(huán)境或交通變化等信息進(jìn)行重點(diǎn)說明，給予行駛?cè)藛T警告信息。我國警告標(biāo)志涉及49種。常見的警告標(biāo)志一般以黃色為底面，警告內(nèi)容呈現(xiàn)黑色圖案，外圍形狀以等邊三角形為主。如圖1.3所示。圖1.3警告標(biāo)志示例圖Fig.1.3Examplewarningsigns1.3.2常用的交通標(biāo)志數(shù)據(jù)集介紹交通標(biāo)志數(shù)據(jù)集在圖像識別領(lǐng)域中占有重要作用。豐富的交通標(biāo)志數(shù)據(jù)集不僅涉及到交通標(biāo)志、標(biāo)志背景，還會包含其他諸多因素，如光照、亮度、天氣等。在訓(xùn)練數(shù)據(jù)集過程中，數(shù)據(jù)集特性表現(xiàn)的越豐富，其訓(xùn)練結(jié)果表現(xiàn)出的識別廣泛性能越好，識別準(zhǔn)確率越高。因此，在提高識別準(zhǔn)確率上，不單要依靠算法的整體設(shè)計(jì)優(yōu)化，還需要可靠的數(shù)據(jù)集才能完成。GTSRB數(shù)據(jù)集其特點(diǎn)在于：數(shù)據(jù)集的圖像全部是從自然場景中采集提取出來，適合單圖像，多分類問題識別方法研究；該數(shù)據(jù)集共由五大類43小標(biāo)志組成，總共圖片超過50000張，圖片龐大且逼真。該數(shù)據(jù)集按照大致1：4的數(shù)量可分為測試圖像和訓(xùn)練圖像。43種類的交通標(biāo)志如圖1.4所示。圖1.4GTSRB數(shù)據(jù)集各種類標(biāo)志樣圖Fig.1.4GTSRBSampledatasetsforeachtypeoflogo我國交通標(biāo)志數(shù)據(jù)集CSUST（ChineseTrafficSignDetectionBenchmark）是長沙理工大學(xué)張建明老師團(tuán)隊(duì)制作完成[37]。該數(shù)據(jù)集已超過15000張，并保持不斷更新狀

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)網(wǎng)中網(wǎng)神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識別[J]. 李超,楊艷.  信息技術(shù). 2019(09)
[2]基于改進(jìn)深度卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識別[J]. 馬永杰,李雪燕,宋曉鳳.  激光與光電子學(xué)進(jìn)展. 2018(12)
[3]基于深度卷積神經(jīng)網(wǎng)絡(luò)的車型識別方法[J]. 袁公萍,湯一平,韓旺明,陳麒.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2018(04)
[4]基于特征融合和字典學(xué)習(xí)的交通標(biāo)志識別[J]. 姚漢利,趙金金,鮑文霞.  計(jì)算機(jī)技術(shù)與發(fā)展. 2018(01)
[5]深度學(xué)習(xí)相關(guān)研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[6]基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5的車型識別方法[J]. 王秀席,王茂寧,張建偉,程鵬.  計(jì)算機(jī)應(yīng)用研究. 2018(07)
[7]基于HOG-Gabor特征融合與Softmax分類器的交通標(biāo)志識別方法[J]. 梁敏健,崔嘯宇,宋青松,趙祥模.  交通運(yùn)輸工程學(xué)報(bào). 2017(03)
[8]基于Lenet-5的卷積神經(jīng)網(wǎng)絡(luò)改進(jìn)算法[J]. 李丹,沈夏炯,張海香,朱永強(qiáng).  計(jì)算機(jī)時(shí)代. 2016(08)
[9]基于歸一化RGB與橢圓相似度的圓形交通標(biāo)志檢測[J]. 薛玉利.  微型機(jī)與應(yīng)用. 2015 (24)
[10]基于曲率尺度空間角點(diǎn)檢測的交通標(biāo)志分離算法[J]. 李厚杰,邱天爽,宋海玉,王培昌,王鵬杰.  光學(xué)學(xué)報(bào). 2015(01)

博士論文
[1]復(fù)雜大背景下交通標(biāo)志快速魯棒的檢測和識別研究[D]. 劉春生.山東大學(xué) 2016

碩士論文
[1]道路前方交通標(biāo)志識別算法研究[D]. 童英.安徽工程大學(xué) 2019
[2]基于深度學(xué)習(xí)的交通標(biāo)志檢測識別算法研究[D]. 雪剛剛.桂林電子科技大學(xué) 2019
[3]基于支持向量機(jī)的交通標(biāo)志識別[D]. 因曉倩.長安大學(xué) 2019
[4]基于機(jī)器視覺的交通標(biāo)志檢測與識別算法研究[D]. 王崗.中國礦業(yè)大學(xué) 2019
[5]基于深度學(xué)習(xí)的無人小車目標(biāo)識別研究[D]. 宋佳蓉.南京航空航天大學(xué) 2019
[6]道路交通標(biāo)志的檢測算法研究[D]. 鄧瓊.安徽工程大學(xué) 2018
[7]基于中值濾波和小波變換的圖像去噪算法研究[D]. 田流芳.河北大學(xué) 2014
[8]基于毫米波雷達(dá)與機(jī)器視覺融合的前方車輛檢測研究[D]. 王亞麗.吉林大學(xué) 2013
[9]復(fù)雜背景下交通標(biāo)志的顏色分割[D]. 張培.武漢理工大學(xué) 2012



本文編號：3511251