發(fā)布時間：2017-08-23 01:18

  本文關鍵詞：交通標志檢測與識別算法研究

  更多相關文章： 交通標志檢測與識別 邊緣顏色對 特征篩選器 KPCA SVM

【摘要】：智能交通系統(tǒng)(Intelligent Transportation System, ITS)對于人類社會的發(fā)展具有重要的意義。交通標志識別系統(tǒng)(Traffic Signs Recognition, TSR)是ITS的一個重要分支,得到了廣泛的重視。交通標志識別系統(tǒng)主要用于對道路上的交通標志牌進行檢測與識別,并把識別出的內容傳達給駕駛員,甚至是根據(jù)識別內容直接對車輛進行操控。交通標志識別系統(tǒng)對輔助駕駛員駕駛、保障道路交通的安全以及實現(xiàn)無人駕駛等方面都具有重要的意義,對其進行研究具有重要的現(xiàn)實意義。本文針對交通標志識別系統(tǒng)的算法進行研究,主要涵蓋兩個方面：交通標志檢測算法和交通標志識別算法。提出了一種基于邊緣顏色對和二級特征篩選器的交通標志檢測算法。首先對圖像進行HSI顏色空間中的彩色邊緣提取,其次利用交通標志具有固定的顏色搭配的特征對提取出的邊緣進行處理,去除掉不符合交通標志顏色搭配的邊緣,然后對保留下來的邊緣進行形態(tài)學處理,形成閉合的區(qū)域,最后構造一個二級特征篩選器,利用交通標志特定的幾何特征對閉合區(qū)域進行篩選,最終提取出交通標志。實驗結果表明,本文提出的交通標志檢測算法具有較好的準確性,有效解決了交通標志褪色問題和相似物干擾問題。提出了一種基于KPCA和SVM的交通標志識別算法。首先對交通標志進行HOG特征提取,其次利用KPCA對提取出的HOG特征進行降維,然后應用SVM技術設計分類器,最后用訓練好的SVM分類器對交通標志進行分類。實驗結果表明,本文提出的利用KPCA進行特征降維,大幅減少了計算量,提高了分類識別的效率。
【關鍵詞】：交通標志檢測與識別 邊緣顏色對 特征篩選器 KPCA SVM
【學位授予單位】：上海應用技術大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：U495;TP391.41
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-14
• 1.1 課題背景和意義9
• 1.2 交通標志識別系統(tǒng)組成9-10
• 1.3 交通標志識別技術難點10
• 1.4 交通標志檢測算法研究現(xiàn)狀10-11
• 1.5 交通標志識別算法研究現(xiàn)狀11-12
• 1.6 本文主要工作12
• 1.7 本文組織結構12-14
• 第2章 交通標志檢測基礎14-24
• 2.1 道路交通標志14-17
• 2.2 常用的顏色模型17-19
• 2.2.1 RGB顏色模型17
• 2.2.2 HSI顏色模型17-18
• 2.2.3 HSV顏色模型18-19
• 2.3 交通標志預處理19-23
• 2.3.1 去噪處理20-21
• 2.3.2 對比度增強21-23
• 2.4 本章小結23-24
• 第3章 基于邊緣顏色對和特征篩選器的交通標志檢測24-32
• 3.1 算法基本思路與整體結構24
• 3.2 邊緣檢測算法24-26
• 3.2.1 Canny邊緣檢測24-25
• 3.2.2 彩色邊緣檢測25-26
• 3.3 邊緣顏色對26-27
• 3.3.1 邊緣顏色對概念26-27
• 3.3.2 交通標志的邊緣顏色對集合27
• 3.4 二級特征篩選器構建27-28
• 3.4.1 面積特征篩選器27-28
• 3.4.2 對稱特征篩選器28
• 3.5 算法各部分實現(xiàn)方法28-30
• 3.6 實驗結果與分析30-31
• 3.7 本章小結31-32
• 第4章 基于KPCA和SVM的交通標志識別32-53
• 4.1 算法基本思路32
• 4.2 HOG特征提取32-35
• 4.3 HOG特征降維處理35-40
• 4.3.1 基于PCA的降維處理35-37
• 4.3.2 基于KPCA的降維處理37-40
• 4.3.3 KPCA和PCA的降維效果對比分析40
• 4.4 SVM分類器40-49
• 4.4.1 SVM分類思想41-42
• 4.4.2 SVM理論基礎42-49
• 4.5 基于KPCA和SVM交通標志識別算法的實現(xiàn)49-52
• 4.5.1 數(shù)據(jù)集介紹49-50
• 4.5.2 實現(xiàn)過程50-52
• 4.5.3 實驗結果與分析52
• 4.6 本章小結52-53
• 第5章 總結與展望53-54
• 5.1 工作總結53
• 5.2 研究展望53-54
• 參考文獻54-58
• 致謝58-59
• 攻讀學位期間所開展的科研項目和發(fā)表的學術論文59

，

本文編號：722157