原文传递
雾霾天气下交通限速标志识别技术研究
| 论文题名： | 雾霾天气下交通限速标志识别技术研究 |
| 关键词： | 限速标志识别;暗通道去雾;颜色特征分割;特征提取;卷积神经网络 |
| 摘要： | 大部分的交通事故都是因为驾驶员超速行驶而引起的，加之这几年我国雾霾天气的逐渐加剧，更是对驾驶员准确、及时地识别限速标志产生很大的影响。因此，雾霾天气下限速标志识别的研究对保障道路安全以及保护驾驶员和行人安全有着重要的意义。 本文所研究的雾霾天气下限速标志识别算法共包含三部分：图像去雾、限速标志检测以及限速标志识别。论文主要工作包括： 在去雾算法方面，根据基于暗通道先验原理的去雾算法，对原有算法中全局光照强度的推算进行了改进，引入了最大全局光照强度参数，防止推算出的光照强度落入亮度较高的天空区域而导致去雾效果出现色斑和失真。此外，改进了透射率图的求取过程，在求取前先对待去雾图像做下采样，然后计算透射率图，最后将透射率图还原成原始尺寸，改进后的算法在保证原有算法效果的基础上大幅提升了算法的处理速度。 在限速标志检测方面，在HSV彩色空间利用限速标志的颜色特征分割出图像中的红色区域，对分割后的区域进行形态学处理去除孤立的噪点，然后计算区域的圆形度找出所有的圆形区域，对限速标志进行粗定位。在此基础上利用HOG特征训练SVM分类器，对粗定位的结果进行判定，找出包含限速标志的感兴趣区域，完成限速标志的检测。 在限速标志识别方面，采用卷积神经网络对限速标志识别分类，卷积神经网络是一种深层神经网络，无需手动提取特征，利用多次卷积和下采样操作，从最低级的特征逐级学习得到更高级的特征组合，实现对物体的最优表示，达到最好的分类效果。 本文在Matlab平台上对算法进行了仿真实验，选取了不同场景情况下一万幅标准限速标志样本，算法最终识别率达到了98.51％。实验结果证明本文算法在不同环境下能够很好地完成限速标志的识别分类，具有一定的鲁棒性，基本满足了实际应用的要求。 |
| 作者： | 冯超 |
| 专业： | 计算机科学与技术 |
| 导师： | 于明 |
| 授予学位： | 硕士 |
| 授予学位单位： | 河北工业大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
