道路交通標志檢測與識別算法的研究.pdf_第1頁
已閱讀1頁,還剩89頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、隨著社會經(jīng)濟的發(fā)展,道路交通承載著越來越大的壓力,智能交通系統(tǒng)應(yīng)運而生,作為智能交通系統(tǒng)重要組成部分的交通標志識別系統(tǒng)(TrafficSignRecognitionSystem,簡稱TSR)也備受關(guān)注。交通標志識別系統(tǒng)一般分為檢測和識別兩個部分,主要通過圖像采集設(shè)備采集圖像并檢測和識別出其中的交通標志。本文在參閱了大量相關(guān)文獻的基礎(chǔ)上,通過多次實驗主要完成了以下幾個方面的工作。
   首先是顏色分割。對現(xiàn)存的常用顏色空間中的交通

2、標志檢測方法進行了實現(xiàn),并且分析了其優(yōu)缺點。對R、G、B三通道采用非線性Gamma變換降低光照影響之后,在RGB顏色空間和YCbCr顏色空間分別提出了一種顏色增強方法,采用閾值分割提取出與交通標志相關(guān)的紅、黃、藍三種分量的二值化圖,對二值化圖進行形態(tài)學處理,包括填充孔洞、消除小的干擾區(qū)域、根據(jù)各區(qū)域外接矩形的長寬比消除明顯不符合交通標志的區(qū)域。
   其次是形狀分析。根據(jù)形狀特征把交通標志分為幾個大類,如圓形、三角形、矩形標志等

3、。對顏色分割后的前景區(qū)域提取邊緣,對邊緣曲線進行傅立葉變換計算其傅立葉描述子,選取前8個系數(shù)作為形狀特征。采用的分類器是支持向量機(SupportVectorMachine,簡稱SVM),SVM是建立在統(tǒng)計學習理論的VC維理論和結(jié)構(gòu)風險最小化原則基礎(chǔ)上,主要用于解決小樣本、非線性和高維模式識別問題。采用LIBSVM平臺完成了交通標志形狀的分析,此過程同時能夠消除顏色分割過程中產(chǎn)生的非交通標志形狀的干擾區(qū)域。
   再次是標志識別

4、。對已經(jīng)確定顏色和形狀的區(qū)域,在原圖像上提取出該區(qū)域并且將相關(guān)顏色之外的部分置為白色,對各個區(qū)域進行二值化處理之后采用主成分分析(PrincipalComponentAnalysis,簡稱PCA)提取特征,PCA能夠有效地降低數(shù)據(jù)的維數(shù),大大減少了實驗過程的計算量,并且它得到的特征一般是最佳描述特征。采用BP神經(jīng)網(wǎng)絡(luò)對交通標志進行識別,需要識別的標志有紅色圓形、黃色三角形、藍色圓形和藍色矩形四個大類,每一類選取道路上常見的幾種標志進行識

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論