交通標(biāo)志智能檢測(cè)方法及在路產(chǎn)管理中的應(yīng)用.pdf

1、交通管理及交通安全問(wèn)題正受到人們?cè)絹?lái)越多的關(guān)注。在此背景下，智能交通系統(tǒng)的概念應(yīng)運(yùn)而生。交通標(biāo)志的智能檢測(cè)作為智能交通系統(tǒng)的一部分，在公路路產(chǎn)管理系統(tǒng)智能化信息采集任務(wù)中承擔(dān)著重要的角色。真實(shí)交通場(chǎng)景復(fù)雜多變，光照條件、天氣條件、局部遮擋、背景色相似干擾、陰影干擾等問(wèn)題給交通標(biāo)志檢測(cè)與識(shí)別系統(tǒng)的研究帶來(lái)諸多挑戰(zhàn)，因此能夠魯棒地對(duì)交通標(biāo)志進(jìn)行智能檢測(cè)是研究者們一直追求的目標(biāo)。
　　本研究主要內(nèi)容包括：⑴針對(duì)霧天拍攝的有霧圖像，提出了

2、一種基于歸一化割的圖像去霧算法。在原有經(jīng)典暗原色先驗(yàn)去霧基礎(chǔ)上，結(jié)合圖割理論，采用歸一化割框架對(duì)其改進(jìn)，實(shí)驗(yàn)結(jié)果表明，本文算法消除了原有方法的光暈效果，能夠獲得較為清晰的圖像質(zhì)量。將本文算法應(yīng)用于車(chē)載式路產(chǎn)信息采集系統(tǒng)，能夠提高霧天路產(chǎn)信息采集戶(hù)外作業(yè)的檢測(cè)精度。⑵采用HOG特征對(duì)Fisher分類(lèi)器進(jìn)行訓(xùn)練，提出了一種基于圖像HOG特征與Fisher分類(lèi)器結(jié)合的交通標(biāo)志粗分類(lèi)定位算法。在粗分類(lèi)定位階段，不要求查準(zhǔn)率，但要盡可能地保證10

3、0％的查全率，保證圖像中的交通標(biāo)志都能夠被檢測(cè)到。選擇GTSRB數(shù)據(jù)集作為訓(xùn)練和測(cè)試樣本集，測(cè)試結(jié)果表明本文算法對(duì)各類(lèi)場(chǎng)景具有良好的性能，對(duì)拍攝角度、行駛車(chē)速、不良光照等多種不利條件具有一定的魯棒性。⑶針對(duì)候選疑似ROI，提出了一種基于圖像HOG特征與SVM分類(lèi)器結(jié)合的交通標(biāo)志細(xì)分類(lèi)分級(jí)識(shí)別算法。在細(xì)分類(lèi)識(shí)別階段，分為兩級(jí)識(shí)別分類(lèi)過(guò)程，一級(jí)識(shí)別能夠把非標(biāo)志的ROI去除，實(shí)現(xiàn)交通標(biāo)志檢測(cè)較高的查準(zhǔn)率；二級(jí)識(shí)別能夠給出交通標(biāo)志的語(yǔ)義輸出。實(shí)