自然場景中道路交通標志檢測與識別.pdf

1、隨著社會的發(fā)展，汽車逐漸普及，隨之也帶來了交通擁擠加劇，事故頻發(fā)等問題。無人駕駛車輛的研究可以為駕駛員提供輔助信息，從而提高行車的安全性和交通運行效率。對交通標志的檢測、提取和理解更是在復雜交通環(huán)境下無人駕駛車必不可少的關(guān)鍵技術(shù)，也是難點之一。光照條件的變化、交通標志本身顏色的退化、部分遮擋、復雜場景下相似物體的干擾等構(gòu)成了交通標志檢測和識別的挑戰(zhàn)因素。
　　本文旨在對自然場景下圖片中的交通標志檢測和識別算法進行研究。針對目前我國

2、尚沒有公開、通用的交通標志檢測數(shù)據(jù)集，本文構(gòu)建了一個挑戰(zhàn)性強、經(jīng)過完整標注的交通標志檢測數(shù)據(jù)集，涵蓋了大部分常見的交通標志。針對自然場景下交通標志檢測的各種干擾，本文提出了一個魯棒的交通標志檢測算法，輸入的圖片依次經(jīng)過顏色分割、形態(tài)學開運算、連通區(qū)域標記、形狀篩選、用支持向量機和梯度方向直方圖訓練的機器學習分類器掃描交通標志等處理，能夠很好地在復雜背景下檢測出交通標志。深度學習是近兩年模式識別領(lǐng)域的熱點，在各種物體識別領(lǐng)域取得了革命性的