原文传递
基于颜色特征和SVM的交通标志识别技术的研究与实现
| 论文题名： | 基于颜色特征和SVM的交通标志识别技术的研究与实现 |
| 关键词： | 智能车辆;交通标志识别系统;颜色特征;支持向量机 |
| 摘要： | 随着社会的进步与经济的快速发展，城市交通拥挤甚至堵塞现象日趋严重，成为现代城市发展的主要瓶颈之一，交通安全事故频发亦引起各国社会的普遍关注。在这种情况下，人们开始进行智能交通系统(ITS)的研究，智能交通系统包括智能基础设施和智能车辆，其核心技术涉及模式识别、图像处理、数字信号处理、信息技术、电子技术、人工智能、通信技术和系统工程技术等诸多方面，是一门综合性技术。 交通标志识别(TSR)系统是智能车辆的重要组成部分，它在车辆行驶过程中对出现的交通标志信息进行采集和识别，可及时向驾驶员做出指示或发出警告，或者直接控制车辆的操作，以保持交通通畅和预防事故的发生。 交通标志识别的重点和难点在于交通标志的分割、特征提取以及分类识别器的设计。本文交通标志的识别主要针对标准交通标志，识别过程主要包括两个阶段:交通标志检测阶段和识别阶段。本文检测和识别主要从交通标志的颜色特征和形状特征入手。检测阶段包括:图像预处理、图像分割、图像二值化以及交通标志定位。识别阶段主要采用基于SVM的二级分类。一级分类主要是根据交通标志的轮廓特征来进行训练和识别，分类的结果是将待识别图像按其轮廓分为三类:圆形、三角形和矩形;二级分类主要是针对交通标志的区域特征进行识别。通过提取Hu不变矩描述的交通标志的区域特征进行训练和识别，分类的结果是显示出待识别图像及与其对应的标准图像并解释其对应的文字意思。 实验结果表明:使用颜色和形状特征对交通标志检测与识别具有较好的效果;在交通标志一级分类时，运用改进的网格法，先在较大范围内进行搜索，在得到的优化结果附近区域再进行精确搜索。实验表明改进的网格搜索法可以较大幅度的提高分类识别效率;在二级分类时，采用Hu不变矩的区域特征描述方法，对交通标志具体特征的识别具有很好的效果。最后，本文针对交通标志的准确率和鲁棒性进行了测试。测试结果表明，本文算法具有较好的准确率和鲁棒性。 |
| 作者： | 赵策 |
| 专业： | 计算机系统结构 |
| 导师： | 王剑 |
| 授予学位： | 硕士 |
| 授予学位单位： | 东北大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
