交通標(biāo)志識別系統(tǒng)作為高級輔助駕駛系統(tǒng)的重要組成部分,不僅保障了車輛行駛的安全性,而且提升了車輛行駛的效率。傳統(tǒng)的交通標(biāo)志識別系統(tǒng)主要針對的是在環(huán)境狀況良好條件下,采集得到的交通標(biāo)志圖像;然而車輛行駛的環(huán)境較為復(fù)雜,由于車載攝像裝置的抖動、周圍非目標(biāo)物體的遮擋以及傳輸介質(zhì)的干擾,造成了采集圖像的運(yùn)動模糊、殘缺和噪聲等問題,從而導(dǎo)致交通標(biāo)志識別精度的大幅度降低。針對此問題,本課題研究了復(fù)雜環(huán)境下的交通標(biāo)志識別算法,主要研究內(nèi)容為:(1)提出并實現(xiàn)了平穩(wěn)迭代在線支持向量機(jī)(SIOSVM)算法模型。結(jié)合已有的支持向量機(jī)模型和在線學(xué)習(xí)理論,針對在線支持向量機(jī)模型初期不穩(wěn)定、學(xué)習(xí)效率隨時間推移而降低、分類時間隨時間推移而增加的缺點,提出了SIOSVM的在線識別模型,對特征提取后的交通標(biāo)志特征向量進(jìn)行分類識別。(2)提出并實現(xiàn)了一種新的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)(改進(jìn)CNN)模型。改進(jìn)CNN模型由CNN特征提取模型和SIOSVM分類識別模型組成:首先通過實驗分析搭建了CNN特征提取模型;然后將提取得到的特征作為樣本,輸入SIOSVM分類識別模型,通過模型訓(xùn)練,最終得到改進(jìn)CNN模型。(3)驗證改進(jìn)CNN模型的性...

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

[2]。道路交通標(biāo)志識別系統(tǒng)是將車載攝像裝置所拍攝到的圖像進(jìn)行分析，檢測其是否含有交通標(biāo)志以及交通標(biāo)志所在區(qū)域，并識別圖像中的交通標(biāo)志類型，最后將識別的結(jié)果傳送給車載中心系統(tǒng)或者駕駛員，對車輛的路徑規(guī)劃及駕駛操作做出相應(yīng)指導(dǎo)或調(diào)整，從而提升交通安全及交通效率。近年來，得益于計算機(jī)....

交通標(biāo)志識別系統(tǒng)是車輛高級輔助駕駛系統(tǒng)的重要組成部分，能為車輛的路徑規(guī)劃以及決策控制提供有效的依據(jù)。然而大部分的交通標(biāo)志識別系統(tǒng)都是針對常規(guī)環(huán)境下的交通標(biāo)志圖像進(jìn)行檢測與識別，或者對于復(fù)雜環(huán)境下的交通標(biāo)志圖像的識別效果并不理想。對此本課題提出了復(fù)雜環(huán)境交通標(biāo)志識別系統(tǒng)，該系統(tǒng)基于....

劃分成大小為4*4的細(xì)胞單元；個細(xì)胞單元的梯度分布直方圖（也即是HOG特征ck模塊，每個block模塊包含4個細(xì)胞單元，全部構(gòu)成了block模塊的特征描述子；ock特征描述子構(gòu)成整個交通標(biāo)志圖像的特征描述G特征。素點的梯度公式如下所示：....

武漢科技大學(xué)碩士學(xué)位論文廣泛運(yùn)用于美國銀行的支票上的手寫數(shù)字識別中。LeNet-5共有7層，2個卷積層、2個池化層和3個全連接層，如圖2.3所示，具有卷積神經(jīng)網(wǎng)絡(luò)的一般特性。同時由于LeNet-5卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)簡單、參數(shù)較少、訓(xùn)練時間較短等優(yōu)點，本課題將....

本文編號：4010647