原文传递
自然场景中交通标志版面理解算法研究
| 论文题名： | 自然场景中交通标志版面理解算法研究 |
| 关键词： | 城市交通拥堵;自然场景;矩形交通标志检测;版面理解算法;空间词袋模型 |
| 摘要： | 随着城市汽车数量和人口密度的不断增高，城市交通拥堵日益严重。智能交通系统在提高汽车通行效率、减少交通事故等方面具有重要的作用，从而成为一个研究的热点。交通标志检测与识别是智能交通系统的关键问题之一。目前，交通标志识别主要集中在标志的分类，对于既包含文字又包含交通符号的矩形交通标志的研究相对较少。而矩形交通标志包含了丰富的道路信息，对于交通安全和道路通行效率起到了重要的作用。因此，矩形交通标志的理解具有很大的应用前景和实用价值。 本论文以自然场景中矩形交通标志的版而理解为目标，研究了自然场景中矩形交通标志的检测与定位、矩形交通标志中的文字检测与定位以及交通符号检测与识别。本文的主要工作包括以下三个方面: (1)自然场景中矩形交通标志检测与定位。矩形交通标志以蓝色背景为主，颜色是其最显著的特征。为此本文首先利用颜色信息实现矩形标志的粗检测，再采用结合方向梯度直方图和支持向量机的方法实现标志的精确定位。 (2)矩形交通标志中的文字检测与定位。本文首先采用霍夫变换对标志图像进行几何校正，然后改进了大津阈值对图像进行二值化，再利用文字区域的几何信息通过连通域分析实现文字的检测。本文给出的基于分块的大津阈值法获得了很好的二值化效果，为文字检测提供了可靠的保证。 (3)矩形交通标志中的交通符号检测与识别。矩形交通标志既包含了文字信息同时又包含了符号信息。由于交通符号表明道路行驶规则，对于无人驾驶和辅助驾驶系统等至关重要。为此，本文针对矩形交通标志牌中的交通符号检测与识别进行了研究。在进行畸变矫正等的预处理之后，采用基于连通域分析法的方法对交通符号进行检测，然后给出了基于空间视觉词袋模型以及融合支持向量机和随机森林的方法实现交通符号的识别。 为了测试算法的性能，本文收集了中国境内城市的矩形交通标志图像3023幅，从中随机选择了1015幅图像作为本文提出算法的测试图像。矩形交通标志检测精度为96.89％，文字检测精度为98.47％，交通符号检测精度为93.40％，针对5类27个交通符号的识别，识别精度为94.29％，实验结果表明了算法的有效性。 |
| 作者： | 陈亚杰 |
| 专业： | 电子科学与技术 |
| 导师： | 黄琳琳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 北京交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
