原文传递
基于视频的交通标志检测与识别的研究
| 论文题名： | 基于视频的交通标志检测与识别的研究 |
| 关键词： | 交通标志;BP神经网络;聚类中心;图像分割;数学形态学;视频识别 |
| 摘要： | 随着现代社会的发展,汽车逐渐地普及,现有的道路通过能力逐渐难以满足交通量快速增长的需要,智能交通系统的研究与开发成为一项备受关注的研究课题。本文根据科研项目《车载雷达前向防撞报警系统》的研制要求,对道路交通标志识别系统展开研究。 首先概述了交通标志检测与识别的研究与发展现状,简述了交通标志检测与识别的系统框架。在基于其颜色先验信息的基础上对道路交通标志进行粗分割,着重讨论了基于RGB颜色空间固定差值分割和HSV颜色空间阈值分割,比较了两种算法的效果与效能并给出选择建议。 其次,对粗分割后的图像进行数学形态学处理并提取其边缘信息得到较完整的目标边缘区域,再根据交通标志特有的形状特征,采用最小二乘拟合及轮廓追踪精确定位出交通标志。对精确定位后的交通标志区域归一化后提取不变矩特征,为后续交通标志的识别打好基础。 最后,在交通标志识别中,本文先采用基于Hu不变矩的模糊C均值算法,根据样本确定聚类中心,然后通过计算测试样本与聚类中心的隶属度确定所属类别。在基于BP神经网络的交通标志识别中,本文通过分析Hu不变矩和Zernike矩,分别选取其中几组组成新的不变矩特征,实验证明,当测试样本质量不高,存在形变和干扰时,基于组合不变矩的BP神经网络仍有较好的识别效果,识别率达91.31％。 本文在Visual C++6.0编程环境下结合OpenCV对算法进行实现,实验验证了算法的有效性和可行性,实现了对交通标志的快速检测与识别。 |
| 作者： | 简楹 |
| 专业： | 信号与信息处理 |
| 导师： | 欧阳宁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 桂林电子科技大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
