社會經(jīng)濟的發(fā)展和人民生活水平的提高,使得汽車的保有量不斷增加,汽車普及率的提升也使得道路交通承載的壓力越來越大。為了緩解交通壓力、減少交通事故帶來的損失,能夠?qū)崟r提取關(guān)鍵交通信息并及時作出預(yù)警的智能駕駛輔助系統(tǒng)的開發(fā)成為研究熱點。本文以限速標志的自動檢測與識別作為研究目的。綜合運用機器視覺、圖像處理、模式識別、統(tǒng)計學等理論知識,對行駛在真實場景中的車輛獲取的圖像進行處理。主要的工作和突出貢獻如下:（1）提出了基于改進Sobel算法的限速標志檢測方法。通過該算法獲得邊緣二值圖,對邊緣二值圖進行分割得到多個連通區(qū)域�；跇酥镜膸缀翁卣鲗B通區(qū)域進行篩選,確定疑似目標區(qū)域。（2）提出了基于投影特征的相似性度量算法以及相應(yīng)的限速標志識別技術(shù)。通過對目標數(shù)字進行雙向投影獲取其投影特征,然后用信號相似性度量算法計算與模板特征之間的相似度系數(shù)�；谙嗨贫认禂�(shù)實現(xiàn)數(shù)字的分類識別。（3）以現(xiàn)有的安卓智能移動終端平臺為基礎(chǔ),進行實時的車載測試。在不同自然環(huán)境及路況下測試超過30萬幅圖片,平均運行速度為200ms/幀,滿足實時性的要求。在各類環(huán)境下的綜合檢測成功率達到95%以上。實驗表明,本文提出的方法識別... 

【文章頁數(shù)】：75 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 智能交通系統(tǒng)研究簡介
        1.2.2 交通標志檢測研究現(xiàn)狀
        1.2.3 交通標志識別研究現(xiàn)狀
    1.3 本文研究的主要內(nèi)容和難點
    1.4 本文章節(jié)安排
第2章 圖像預(yù)處理
    2.1 圖像灰度化
    2.2 圖像濾波
    2.3 圖像增強
    2.4 邊緣檢測
        2.4.1 基于一階微分的邊緣檢測
        2.4.2 基于二階微分的邊緣增強
        2.4.3 各種邊緣檢測算子實驗結(jié)果與分析
    2.5 圖像二值化
    2.6 本章總結(jié)
第3章 限速標志區(qū)域提取
    3.1 交通標志的先驗知識
    3.2 限速標志檢測系統(tǒng)設(shè)計
    3.3 圖像分割
        3.3.1 基于顏色特征的圖像灰度化
        3.3.2 基于Sobel算子的改進邊緣檢測算法
        3.3.3 基于幾何特征的圖像分割
    3.4 限速標志提取效果與分析
    3.5 本章小結(jié)
第4章 限速標志識別的關(guān)鍵技術(shù)研究
    4.1 限速標志識別系統(tǒng)設(shè)計
    4.2 目標區(qū)域二值化的改進
    4.3 基于模板匹配的限速標志識別
        4.3.1 模板匹配
        4.3.2 數(shù)字特征向量的提取
        4.3.3 構(gòu)建模板庫
    4.4 相似性度量
        4.4.1 相似性度量算法介紹
        4.4.2 相似性系數(shù)實驗結(jié)果與分析
    4.5 分類系統(tǒng)設(shè)計
        4.5.1 分類過程簡介
        4.5.2 優(yōu)化匹配速度
    4.6 本章小結(jié)
第5章 系統(tǒng)實現(xiàn)與結(jié)果分析
    5.1 應(yīng)用平臺簡介
    5.2 系統(tǒng)運行結(jié)果與分析
    5.3 本章小結(jié)
第6章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 工作展望
致謝
參考文獻
研究生期間獲得的學術(shù)成果


【參考文獻】：
期刊論文
[1]基于Trafficnet的交通標志識別分析[J]. 甘曉楠,鄧超.  南方農(nóng)機. 2018(02)
[2]交通標志識別算法模型的研究與實現(xiàn)[J]. 徐彬森,魏元周,毛光明,李曼曼.  軟件. 2017(11)
[3]道路交通標志檢測研究綜述[J]. 高歌,譚兵,陳心睿.  現(xiàn)代商貿(mào)工業(yè). 2017(12)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的實景交通標志識別[J]. 呂耀坤.  物聯(lián)網(wǎng)技術(shù). 2017(01)
[5]形狀標記圖和Gabor小波的交通標志識別[J]. 谷明琴,蔡自興,何芬芬.  智能系統(tǒng)學報. 2011(06)
[6]智能交通系統(tǒng)研發(fā)歷程與動態(tài)述評[J]. 王笑京.  城市交通. 2008(01)
[7]幾種經(jīng)典相似性度量的比較研究[J]. 劉寶生,閆莉萍,周東華.  計算機應(yīng)用研究. 2006(11)
[8]一種融合顏色和空間信息的彩色圖像分割算法[J]. 葉齊祥,高文,王偉強,黃鐵軍.  軟件學報. 2004(04)
[9]基于彩色圖像的指示標志檢測[J]. 郁梅,郁伯康.  計算機工程與應(yīng)用. 2000(04)

博士論文
[1]城市環(huán)境下無人駕駛智能車感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D]. 陳龍.武漢大學 2013

碩士論文
[1]基于顯著性與卷積神經(jīng)網(wǎng)絡(luò)的交通標志檢測與識別研究[D]. 王姣姣.長安大學 2017



本文編號：3725323