原文传递
基于多特征融合的交通标志检测与识别
| 论文题名： | 基于多特征融合的交通标志检测与识别 |
| 关键词： | 交通标志;神经网络;多特征融合;自适应直方图 |
| 摘要： | 道路交通标志是用于向驾驶员传递路况及交通规则的道路设施，利用不同的颜色、形状、图案的组合来表达不同的信息，具有显著的颜色、形状和尺度特征。本文充分利用交通标志的上述特征，研究自然场景下交通标志自动检测与识别方法。本文提出了一种多特征融合的交通标志检测与识别方法，利用交通标志的多种特征来协同实现交通标志的检测与识别，具有良好的准确性和鲁棒性。 在交通标志检测阶段，根据交通标志的特定的颜色（红、蓝）特征，采用颜色不变量特征，建立相应颜色的混合高斯颜色概率模型。通过该模型计算图片中每个像素点属于交通标志某特定颜色的概率，从而得到相应的颜色概率图。再将概率图转为灰度图，这样得到的灰度图中，较明亮的区域即为特定颜色相关的区域。再利用最大稳定性极值区域算法（MSER）寻找灰度图中的灰度稳定性区域，如果图片中有交通标志，那么极大可能位于这些稳定区域中，然后利用交通标志的尺度特征筛选这些稳定区域，得到最终的候选检测区域。然后根据交通标志的形状特征，利用方向梯度直方图（HOG）特征训练支持向量机（SVM）分类器，利用该分类器对候选检测区域进行分类检测，判断该区域是否存在交通标志，从而得到交通标志位置。 在交通标志识别阶段，结合交通标志检测的结果，对于待分类识别的交通标志，其形状、颜色、所属的大类（警告、禁令、指示）等信息是已知的，因而在识别阶段，主要的是识别交通标志内部的图案差异。本文利用交通标志的灰度图片作为训练样本，利用限制对比度自适应直方图均衡算法（CLAHE）对训练样本进行处理，消除光照对图片的影响，根据交通标志各大类的图案特点，训练不同的识别网络，从而得到较好的识别效果。 本文采用的算法经过实验验证表明是比较可行且有效的，在检测和识别方面都具有不错的效果。 |
| 作者： | 蔡会祥 |
| 专业： | 控制科学与工程 |
| 导师： | 康波 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
