基于支持向量機的交通標志檢測與識別.pdf

1、面對日趨擁堵的道路以及日趨嚴重的交通事故，智能交通系統(tǒng)(IntelligentTransportation System)和無人駕駛汽車技術應運而生。作為其中重要組成部分的交通標志檢測與識別系統(tǒng)(Traffic Signs Detection and Recognition System)成為了研究的熱點課題。交通標志檢測與識別系統(tǒng)概括來說可以分為檢測定位交通標志和識別交通標志含義兩個重要過程。該論文主要完成了以下幾個方面的工作:

2、>　　首先是研究了基于顏色的交通標志分割算法。根據(jù)我國現(xiàn)有的交通標志的含義和形狀特點，重點分析了在不同顏色空間下對交通標志進行顏色分割的方法，其中著重介紹了如何利用概率統(tǒng)計中的均值和方差特征在RGB顏色空間下進行自適應顏色分割算法。通過實驗數(shù)據(jù)證明了利用此類算法分割出的顏色信息，不但保證了顏色分割的準確性和實時性，并且還對光照條件變化具有很好的自適應特點。
　　其次是研究了基于傅里葉描述子的形狀檢測。首先介紹了物體幾何形狀分析中常

3、用的一些方法，例如霍夫變換、Hu旋轉(zhuǎn)不變矩等。隨后重點介紹了如何利用輪廓的中心距離函數(shù)以及傅里葉變換進行形狀分析，另外也細致的介紹了歸一化傅里葉描述子模板數(shù)據(jù)庫是如何應用到形狀分析中，目的是為了對缺失形狀的交通標志進行檢測定位。該算法能夠?qū)煌酥具M行快速有效的檢測，尤其是對于遮擋、失真、縮放等情況的交通標志具有一定的魯棒性。
　　隨后介紹了基于HOG特征的支持向量機識別。通過上述介紹的方法對交通標志定位后，如何對交通標志的含義進

4、行識別是該階段的的重要內(nèi)容。該部分系統(tǒng)地介紹了HOG特征描述子的計算方法，統(tǒng)計學習理論以及支持向量機理論，詳細地介紹了國內(nèi)外常用的交通標志圖像庫，對支持向量機的參數(shù)優(yōu)化也進行了一定的分析介紹。通過對比實驗可以看出，采用基于HOG特征的支持向量機的識別方法既保證了特征提取的快速、高效和完整性，又確保了對候選區(qū)域識別的正確率。
　　最后是對交通標志檢測與識別算法進行了系統(tǒng)實現(xiàn)。利用含有交通標志的靜態(tài)圖像作為測試樣本，采用上述描述的方法