基于多特征融合的警告標(biāo)志的識(shí)別.pdf

1、隨著社會(huì)的進(jìn)步、經(jīng)濟(jì)的發(fā)展、汽車的普及，交通事故頻繁發(fā)生，其中絕大多數(shù)是由于人為因素釀成的，而且大部分是由于駕駛者忽視交通標(biāo)志而引發(fā)的。警告標(biāo)志作為交通標(biāo)志的重要組成部分，主要提供警告信息，對(duì)駕駛行為具有很強(qiáng)的警示能力。從形狀上來(lái)說(shuō)，警告標(biāo)志一般都是正三角形，所以實(shí)現(xiàn)三角形交通標(biāo)志的有效識(shí)別可以適時(shí)地提醒司機(jī)前方的路況，幫助司機(jī)對(duì)車輛進(jìn)行有效控制，這樣就能提高行車的安全，最大限度地減少損失。設(shè)置警告標(biāo)志是目前世界各國(guó)普遍采取的一種警告控

2、制方式。但由于種種原因，駕駛員在行車過(guò)程中并不總能及時(shí)、準(zhǔn)確地看清警告標(biāo)志內(nèi)容。因此，警告標(biāo)志的自動(dòng)識(shí)別對(duì)于汽車安全駕駛具有重要意義。
　　由于警告標(biāo)志常處于室外復(fù)雜的環(huán)境下，其識(shí)別易受到天氣、光照、傾斜、褪色、相似背景等諸多因素的影響，且在性能上既要保證識(shí)別率又要滿足實(shí)時(shí)性，因此識(shí)別算法的設(shè)計(jì)難度頗大。本文在總結(jié)國(guó)內(nèi)外各種識(shí)別方法的基礎(chǔ)上，針對(duì)現(xiàn)有識(shí)別算法的不足進(jìn)行了改進(jìn)和創(chuàng)新，設(shè)計(jì)并實(shí)現(xiàn)了一種新型的警告標(biāo)志識(shí)別算法。
　

3、　在檢測(cè)階段，為避免光照、天氣變化等對(duì)圖像顏色信息的影響，本文直接利用警告標(biāo)志的三角形形狀特征，采用快速輻射對(duì)稱的方法，在灰度圖像中檢測(cè)警告標(biāo)志的候選區(qū)域。為了得到更多的邊緣細(xì)節(jié)，提出了基于對(duì)數(shù)變換的邊緣檢測(cè)算子，并且為了去除噪聲對(duì)計(jì)算量和準(zhǔn)確性的影響，提出了一種基于梯度直方圖的去除噪聲的方法。本文提出的算法能夠克服光照等因素的影響，解決了相似背景、標(biāo)志粘連等問(wèn)題，避免了Hough變換的耗時(shí)，提高了檢測(cè)的準(zhǔn)確性和可靠性。
　　在識(shí)

4、別階段，本文首先提出傅立葉-小波變換方法來(lái)提取候選圖像的旋轉(zhuǎn)不變特征，從而去除旋轉(zhuǎn)傾斜對(duì)目標(biāo)識(shí)別的影響。然后采用One-Against-One SVM多分類器結(jié)構(gòu)對(duì)目標(biāo)進(jìn)行識(shí)別，為了增加識(shí)別率、降低誤識(shí)別率，本文提出一個(gè)多幀融合的方法，從而判定一個(gè)警告標(biāo)志是否真正地被識(shí)別。
　　實(shí)驗(yàn)結(jié)果表明，本文提出的算法能對(duì)車載視頻圖像中的警告標(biāo)志進(jìn)行準(zhǔn)確的定位，并對(duì)光照、天氣變化、傾斜有一定的魯棒性，且具有實(shí)現(xiàn)簡(jiǎn)單、實(shí)時(shí)性較好等特點(diǎn)，為解決警