自然場景下的矩形交通標(biāo)志檢測與文本提取算法研究.pdf

1、近年來，計算機視覺研究成果斐然，在圖像分類、目標(biāo)檢測與識別等領(lǐng)域進步很大。另一方面，為緩解城市交通擁堵、提高交通效率和交通安全，智能交通系統(tǒng)受到極大的關(guān)注，且輔助駕駛、無人駕駛是智能交通系統(tǒng)的重要組成部分。而自然場景下的交通標(biāo)志檢測和識別則是輔助駕駛、無人駕駛系統(tǒng)中的重要一環(huán)。交通標(biāo)志中的矩形交通標(biāo)志包含了文字、圖標(biāo)以及符號等，提供了諸如道路名稱、指示、警告等非常有價值的信息。此外，由于自然場景下的交通標(biāo)志易于受到不同天氣或光照強度的影

2、響、交通標(biāo)志部分可能被遮擋、包含文字的交通標(biāo)志中的文字排列不整齊，字符間距、大小不統(tǒng)一等。因此，矩形交通標(biāo)志檢測與文字提取具有極大的實用價值同時具有一定的挑戰(zhàn)性。
　　本論文的主要工作包含以下幾點:
　　1.提出了一種基于線段合并的矩形目標(biāo)檢測算法，實現(xiàn)矩形交通標(biāo)志候選區(qū)域的快速提取。矩形交通標(biāo)志雖然寬高比變化大，樹葉雜物遮擋嚴重，但形狀特征相對穩(wěn)定。為此，本文采用了提取圖像中的直線段，再將直線段拼接成矩形，達到矩形目標(biāo)提取

3、的目的，從而實現(xiàn)矩形交通標(biāo)志候選區(qū)域的檢測。實驗結(jié)果表明該算法不僅檢測速度快而且能夠以較少的候選區(qū)域數(shù)目達到較高的矩形交通標(biāo)志的召回率。
　　2.為快速濾除非矩形交通標(biāo)志候選區(qū)域，采用了多級分類以及多特征融合的方法實現(xiàn)矩形交通標(biāo)志的檢測。分別采用ex-HOG特征、CLBP特征以及HOG與BoW融合特征，結(jié)合SVM線性分類器，逐級濾除非交通標(biāo)志候選區(qū)域。其中HOG+BoW為本文改進的一種適合交通標(biāo)志檢測的詞袋模型編碼框架，實驗結(jié)果表

4、明了該算法速度快且精度較高。
　　3.針對檢測的矩形交通標(biāo)志，采用了基于對比度極值區(qū)域(CER)的方法提取文本連通部件，并利用筆劃層級聚類實現(xiàn)筆劃分離的單個文字檢測，解決了中文字符因筆畫分離導(dǎo)致無法檢測的問題。采用了距離度量學(xué)習(xí)的算法對已經(jīng)檢測的單個文本部件進行合并從而快速提取中文文本行，有效克服了文本行中字符間隔不統(tǒng)一的難點。
　　為測試算法性能，本文收集含有交通標(biāo)志的圖片共1524張，并對其中交通標(biāo)志和標(biāo)志中的文本行進行