無人駕駛是智能車輛領域的重要研究熱點之一,而交通標志識別是無人駕駛的關鍵環(huán)節(jié)。本文針對禁令、警告和指示三類交通標志,共分為15種,分別運用支持向量機和卷積神經(jīng)網(wǎng)絡的方法對交通標志的識別進行研究,通過訓練得到交通標志識別模型,并設計實現(xiàn)了交通標志識別系統(tǒng)。本文的主要工作內(nèi)容如下:1.對交通標志圖像進行預處理、分割以及定位。首先采用灰度化、直方圖均衡化、濾波對交通標志進行預處理,然后選擇基于Lab顏色空間k均值聚類法對其分割,最后基于三類交通標志的形狀特征完成交通標志的定位。2.實現(xiàn)了基于特征串行融合和支持向量機的交通標志識別。分別提取交通標志的HOG特征和Gist特征,通過串行融合的方式將兩種特征組合在一起,利用SVM訓練得到交通標志識別模型。該模型的平均識別正確率為85.3%。3.實現(xiàn)了基于卷積神經(jīng)網(wǎng)絡微調(diào)的交通標志識別。微調(diào)ResNet50網(wǎng)絡模型,使其輸出節(jié)點對應15種交通標志,重新訓練最后一層,得到交通標志識別模型。該模型的平均識別正確率為94.4%。4.無人駕駛中的交通標志識別系統(tǒng)的設計與實現(xiàn)。該系統(tǒng)實現(xiàn)了交通標志的預處理、分割和定位及識別等功能。本文給出了系統(tǒng)的運行結果,在此... 

【文章來源】：大連交通大學遼寧省

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【部分圖文】：

圖２．２禁令標志??Ｆｉｇ．?２．２?Ｐｒｏｈｉｂｉｔｏｒｙ?ｓｉｇｎｓ??２．２．２警告標志??警告標志：起到警告車輛、行人對前方路段可能出現(xiàn)的危險或突發(fā)情況引起注意作??

圖２．３聱告標志??Ｆｉｇ．?２．３?Ｗａｒｎｉｎｇ?ｓｉｇｎｓ??

?大連交通大學全日制專業(yè)碩士學位論文???２．２．３指示標志??指示標志：主要指示車輛和行人前方路段的行駛規(guī)定，以確保車輛和行人正確使用??道路。指示標志一般設置在必要對車輛以及路上行人將要走向的路段或交叉口附近做出??指示的地方。指示標志以藍色為底、藍色底上的白圖形為指示內(nèi)容，指示標志外圍輪廓??也各不相同，各類指示標志共３６種。圖２．４為我國部分交通指示標志。??Ｄ?鬮??０?０國參國??圖２．４指示標志??Ｆｉｇ．?２．４?Ｍａｎｄａｔｏｒｙ?ｓｉｇｎｓ??２．３交通標志識別系統(tǒng)框架??本文所設計的交通標志識別系統(tǒng)框架如圖２．５所示。??輸入圖像一？標志預處理一？標志分割???????Ｙ???標志識別—特征提取?—標志定位??圖２．５交通標志識別系統(tǒng)框圖??Ｆｉｇ．?２．５?Ｔｒａｆｆｉｃ?ｓｉｇｎ?ｒｅｃｏｇｎｉｔｉｏｎ?ｓｙｓｔｅｍ?ｂｌｏｃｋ?ｄｉａｇｒａｍ??圖２．５給出了本文交通標志識別系統(tǒng)的處理過程，主要包括對交通標志圖像的預處??理、圖像分割及圖像定位，并在此基礎上對交通標志的特征提取和識別進行研宄和實現(xiàn)。??８??

【參考文獻】：
期刊論文
[1]支持向量機理論及應用[J]. 馬旭霞.  科學技術創(chuàng)新. 2019(02)
[2]電子信息技術在無人駕駛汽車中的應用[J]. 劉士晗.  科技風. 2018(36)
[3]淺析人工智能背景下無人駕駛的發(fā)展[J]. 劉瑜,劉蘇.  內(nèi)江科技. 2018(06)
[4]基于深度學習的交通標志識別智能車的設計與實現(xiàn)[J]. 熊旋錦,潘小琴,唐楷,康勇.  自動化與儀表. 2018(06)
[5]融合Gabor和Gist特征的人臉識別[J]. 劉斌,徐巖,米強,徐運杰.  計算機工程與應用. 2017(15)
[6]基于顏色空間轉(zhuǎn)換的交通圖像增強算法[J]. 顧明,鄭林濤,尤政.  儀器儀表學報. 2015(08)
[7]局部Gist特征匹配核的場景分類[J]. 楊昭,高雋,謝昭,吳克偉.  中國圖象圖形學報. 2013(03)
[8]基于隨機模糊樣本的統(tǒng)計學習理論基礎[J]. 何其慧,王翠,毛軍軍.  合肥學院學報(自然科學版). 2011(03)
[9]自然場景下交通標志的自動識別算法[J]. 何耀平,徐麗珍.  微計算機信息. 2010(04)
[10]一汽集團展示紅旗HQ3無人駕駛車型[J].   汽車與安全. 2007(11)

博士論文
[1]無人駕駛汽車環(huán)境信息提取及運動決策方法研究[D]. 武歷穎.長安大學 2016
[2]城市環(huán)境下無人駕駛智能車感知系統(tǒng)若干關鍵技術研究[D]. 陳龍.武漢大學 2013

碩士論文
[1]基于深度學習的交通標志檢測與識別算法研究[D]. 周攀.廣東工業(yè)大學 2018
[2]基于ResNet模型的全極化SAR影像分類研究[D]. 聶雯.湖北大學 2018
[3]基于改進卷積神經(jīng)網(wǎng)絡的交通標志牌識別算法研究[D]. 張鵬.吉林大學 2017
[4]動漫圖像超像素分割與合并算法的研究與實現(xiàn)[D]. 張圣龍.深圳大學 2016
[5]基于特征融合與稀疏編碼的交通標志識別算法研究[D]. 江鈞.北京交通大學 2016
[6]基于小波域的圖像顯著性檢測算法研究[D]. 馮艷紅.河北工業(yè)大學 2015
[7]視覺顯著計算及其在自然圖像感興趣目標檢測中的應用研究[D]. 蔡萬利.南京理工大學 2014
[8]基于FPGA的復雜背景下多目標的實時檢測與跟蹤[D]. 陳大偉.濟南大學 2013
[9]基于復雜背景的車牌識別系統(tǒng)算法研究[D]. 唐亮.東北師范大學 2012
[10]交通標志定位和識別算法研究[D]. 胡興.廣西師范大學 2010



本文編號：3388035