道路交通標(biāo)志檢測(cè)與識(shí)別算法的研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的發(fā)展，道路交通承載著越來(lái)越大的壓力，智能交通系統(tǒng)應(yīng)運(yùn)而生，作為智能交通系統(tǒng)重要組成部分的交通標(biāo)志識(shí)別系統(tǒng)(TrafficSignRecognitionSystem，簡(jiǎn)稱TSR)也備受關(guān)注。交通標(biāo)志識(shí)別系統(tǒng)一般分為檢測(cè)和識(shí)別兩個(gè)部分，主要通過(guò)圖像采集設(shè)備采集圖像并檢測(cè)和識(shí)別出其中的交通標(biāo)志。本文在參閱了大量相關(guān)文獻(xiàn)的基礎(chǔ)上，通過(guò)多次實(shí)驗(yàn)主要完成了以下幾個(gè)方面的工作。
　　 首先是顏色分割。對(duì)現(xiàn)存的常用顏色空間中的交通

2、標(biāo)志檢測(cè)方法進(jìn)行了實(shí)現(xiàn)，并且分析了其優(yōu)缺點(diǎn)。對(duì)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(qiáng)方法，采用閾值分割提取出與交通標(biāo)志相關(guān)的紅、黃、藍(lán)三種分量的二值化圖，對(duì)二值化圖進(jìn)行形態(tài)學(xué)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(zhǎng)寬比消除明顯不符合交通標(biāo)志的區(qū)域。
　　 其次是形狀分析。根據(jù)形狀特征把交通標(biāo)志分為幾個(gè)大類，如圓形、三角形、矩形標(biāo)志等

3、。對(duì)顏色分割后的前景區(qū)域提取邊緣，對(duì)邊緣曲線進(jìn)行傅立葉變換計(jì)算其傅立葉描述子，選取前8個(gè)系數(shù)作為形狀特征。采用的分類器是支持向量機(jī)(SupportVectorMachine，簡(jiǎn)稱SVM)，SVM是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)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(shí)別問(wèn)題。采用LIBSVM平臺(tái)完成了交通標(biāo)志形狀的分析，此過(guò)程同時(shí)能夠消除顏色分割過(guò)程中產(chǎn)生的非交通標(biāo)志形狀的干擾區(qū)域。
　　 再次是標(biāo)志識(shí)別

4、。對(duì)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(duì)各個(gè)區(qū)域進(jìn)行二值化處理之后采用主成分分析(PrincipalComponentAnalysis，簡(jiǎn)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(shí)驗(yàn)過(guò)程的計(jì)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(duì)交通標(biāo)志進(jìn)行識(shí)別，需要識(shí)別的標(biāo)志有紅色圓形、黃色三角形、藍(lán)色圓形和藍(lán)色矩形四個(gè)大類，每一類選取道路上常見(jiàn)的幾種標(biāo)志進(jìn)行識(shí)