基于顏色信息和SVM的交通標(biāo)志識(shí)別技術(shù)的研究與實(shí)現(xiàn).pdf

1、隨著社會(huì)經(jīng)濟(jì)和城市化的發(fā)展，機(jī)動(dòng)車輛迅速增加，導(dǎo)致交通擁擠加劇，交通事故頻發(fā)，公共交通的安全以及交通效率問題日益突出，智能交通系統(tǒng)就是為了解決日益嚴(yán)重的道路交通狀況而提出的。交通標(biāo)志識(shí)別作為智能交通系統(tǒng)的重要組成部分具有極大的實(shí)際意義和應(yīng)用價(jià)值。
　　交通標(biāo)志識(shí)別主要包括兩個(gè)階段:交通標(biāo)志檢測(cè)階段和交通標(biāo)志識(shí)別階段。本文針對(duì)這兩個(gè)階段的算法進(jìn)行了研究和實(shí)現(xiàn)。首先是交通標(biāo)志檢測(cè)階段，該階段中經(jīng)過圖像預(yù)處理之后使用顏色閾值分割的方法對(duì)

2、圖像進(jìn)行初步分割，但分割之后的圖像中存在過多的干擾區(qū)域，因此使用二值面積閾值算法對(duì)區(qū)域進(jìn)行篩選，以濾除干擾區(qū)域，并對(duì)該算法進(jìn)行了如下改進(jìn):首先是對(duì)圖像二值化閾值的選取，原始算法中圖像二值化所使用的是單閾值，為進(jìn)一步提高圖像對(duì)比度，本文采用基于Otsu算法選取的雙閾值進(jìn)行二值化處理;然后采用了一種將經(jīng)驗(yàn)閾值和自適應(yīng)閾值相結(jié)合的面積閾值選取方法，自適應(yīng)面積閩值具有更好的通用性。在交通標(biāo)志識(shí)別階段本文采用基于SVM的交通標(biāo)志兩級(jí)分類識(shí)別。一級(jí)

3、分類中使用邊緣方向直方圖描述交通標(biāo)志的外部輪廓信息，并對(duì)輪廓特征進(jìn)行敏感特征的選取以提高分類的準(zhǔn)確率。敏感特征選取的基本思想是使類內(nèi)相對(duì)誤差最小，類間相對(duì)誤差最大。提取敏感特征之后，根據(jù)敏感特征對(duì)樣本分類的影響大小對(duì)特征進(jìn)行加權(quán)處理，然后對(duì)交通標(biāo)志進(jìn)行初步分類，最終將交通標(biāo)志分為三類:圓形、三角形和矩形。二級(jí)分類使用Hu不變矩描述交通標(biāo)志的區(qū)域信息，對(duì)交通標(biāo)志進(jìn)行進(jìn)一步的判別，并顯示其標(biāo)準(zhǔn)圖像和文字釋義。
　　實(shí)驗(yàn)結(jié)果表明:改進(jìn)后