自然環(huán)境下道路交通標(biāo)志的檢測與識別.pdf

1、據(jù)相關(guān)機(jī)構(gòu)統(tǒng)計(jì)全世界每年有130萬人左右因?yàn)榈缆方煌ㄊ鹿识鴨适д滟F的生命，其中與駕駛員自身因素相關(guān)的酒后或疲勞駕駛、超速行駛等成為了這些交通安全事故的主要誘因。交通事故不僅會造成巨大的經(jīng)濟(jì)損失，更重要的是會無情地奪取人類寶貴的生命，因此道路交通安全問題已不再是某個國家面臨的問題，而是需要全世界各國共同解決的。為了有效提高道路交通安全和運(yùn)輸效率，降低事故發(fā)生頻率，保障人們的人身財(cái)產(chǎn)安全，智能交通系統(tǒng)應(yīng)運(yùn)而生。交通標(biāo)志識別系統(tǒng)是智能交通系統(tǒng)

2、諸多先進(jìn)技術(shù)領(lǐng)域中的一個重要分支，在無人駕駛車輛、智能機(jī)器人、輔助駕駛系統(tǒng)、輔助道路標(biāo)志規(guī)劃、導(dǎo)盲機(jī)器人等方面都具有廣闊的發(fā)展和應(yīng)用前景。因此對于交通標(biāo)志識別系統(tǒng)相關(guān)技術(shù)的研究和探索非常具有學(xué)術(shù)意義和實(shí)用價值。
　　本文以城市道路中常見的指示、禁令以及警告標(biāo)志為研究對象，針對大場景自然環(huán)境下的道路交通標(biāo)志的檢測與識別問題展開研究和討論，主要從高分辨率大場景下的快速交通標(biāo)志檢測、多類別交通標(biāo)志的魯棒識別和交通標(biāo)志識別系統(tǒng)平臺的設(shè)計(jì)與

3、搭建這三個方面作了深入研究和探索。
　　在交通標(biāo)志檢測方面，為解決傳統(tǒng)的基于機(jī)器學(xué)習(xí)的交通標(biāo)志檢測方法需要對每一個待檢測子窗口進(jìn)行處理而導(dǎo)致算法實(shí)時性欠佳的問題，提出了顏色增強(qiáng)下的MSER提取標(biāo)志候選區(qū)域結(jié)合線性SVM的快速交通標(biāo)志檢測方法。該方法根據(jù)標(biāo)志的顏色進(jìn)行顏色增強(qiáng)，對增強(qiáng)圖像提取MSER得到交通標(biāo)志感興趣區(qū)域，然后在大場景高分辨率圖像的多尺度滑動遍歷檢測搜索過程中僅對包含交通標(biāo)志候選區(qū)域的滑動窗口進(jìn)行HOG特征的提取和S

4、VM分類判別，而對非標(biāo)志候選區(qū)域的滑動窗口則不進(jìn)行特征提取和分類判別。實(shí)驗(yàn)結(jié)果表明:改進(jìn)的MSER+HOG+SVM方法在獲得了較高的檢測準(zhǔn)確率以及較低的誤檢率的前提下，運(yùn)算速度上有較大提升，且魯棒性較好。
　　在多類別交通標(biāo)志識別方面，提出了融合全局特征和局部特征的多特征交通標(biāo)志分類識別方法，有效地提升了識別度。該方法首先分別提取能夠描述標(biāo)志圖像內(nèi)部紋理信息的LBP特征、表示標(biāo)志圖像形狀信息的HOG特征以及描述圖像粗略輪廓信息的全

5、局Gist特征，然后采用線性組合方式，實(shí)現(xiàn)特征融合互補(bǔ)，并通過主成分分析方法進(jìn)行數(shù)據(jù)降維，最后采用支持向量機(jī)分類器進(jìn)行交通標(biāo)志訓(xùn)練與識別。實(shí)驗(yàn)結(jié)果表明:相對于提取單一特征的交通標(biāo)志識別方法，基于多特征融合的算法獲得了更高的識別精確度，同時也滿足實(shí)時性要求。
　　最后，本文以輪式機(jī)器人為主要硬件基礎(chǔ)，利用Microsoft Visual Studio2010結(jié)合OpenCV開源視覺庫設(shè)計(jì)了基于MFC對話框的交通標(biāo)志識別系統(tǒng)應(yīng)用程序以