基于機器學習的道路標志檢測與識別技術(shù).pdf

1、TSR(Traffic Sign Recognition,TSR)系統(tǒng)主要通過車載成像系統(tǒng)捕獲道路場景信息，并從中識別出交通標志，達到提高駕駛安全的目的。所以，交通標志識別系統(tǒng)在輔助車輛智能駕駛和提高駕駛安全性方面發(fā)揮著重要作用，具有非?，F(xiàn)實的研究意義。本文針對自然場景下光照條件變化、交通標志周圍存在與其顏色相似的噪聲干擾、局部封閉等情況對TSR系統(tǒng)的識別率造成的影響，以系統(tǒng)的準確率為主要目標，進行了比較深入的研究，其主要貢獻和研究工作

2、包括：
　　1）針對自然場景中光照條件劇烈變化、交通標志周圍存在與其顏色非常相似的背景干擾等因素，給交通標志檢測的準確率帶來的影響，提出一種基于邊緣增強型MSER(maximally stable extremal regions)特征的交通標志檢測方法。該方法首先采用灰度世界法對圖像進行光照平衡預處理，并對預處理后的圖像進行顏色增強和形態(tài)學濾波，明顯區(qū)分交通標志和環(huán)境背景；然后，通過邊緣增強型MSER特征，定位顏色增強圖像中的標

3、志ROI(regions of interest)候選區(qū)域；最后對這些候選區(qū)域使用一種基于霍夫變換的形狀分析方法進行篩選處理。經(jīng)基于公開的GTSDB(German Traffic Sign Detection Benchmark)數(shù)據(jù)集進行的對比實驗結(jié)果，表明本文方法相較于同類型的檢測方法，在準確率上提升了20％左右。
　　2）針對戶外場景中拍攝視角、運動模糊以及局部遮擋等因素對交通標志檢測準確率造成的影響，我們根據(jù)交通標志外圍形

4、狀的雙邊對稱性，提出了一種基于相位對稱性的道路標志檢測算法。該方法首先根據(jù)標志的顏色信息，對圖像做紅藍化預處理，區(qū)分標志和環(huán)境背景；然后，通過對紅藍化圖像做相位對稱性檢測，高亮突顯具有對稱性的局部紅藍化圖像區(qū)域；最后采用MSER特征檢測，提取圖像中的標志ROI候選區(qū)域，并通過經(jīng)驗性幾何條件約束，對候選區(qū)域做進一步篩除以得到更可靠的標志候選區(qū)域。通過在GTSDB數(shù)據(jù)集上的實驗驗證，該方法對交通標志的檢測率到達94%。
　　3）在上述