原文传递
自然环境下交通标志检测与识别技术研究
| 论文题名： | 自然环境下交通标志检测与识别技术研究 |
| 关键词： | 交通标志检测;极限学习机;识别算法;自然环境;智能交通系统 |
| 摘要： | 伴随着我国汽车工业的快速式发展和“智慧城市”理念的提出，一方面私人汽车数量呈现爆发式增长，给城市交通和安全驾驶带来了严峻的挑战，另一方面，“智慧城市”理念提出的目标之一就是利用先进的信息技术来解决公共交通的安全问题。因此，道路交通标志检测和识别系统作为未来智能交通的重要模块之一，正变得越来越重要，需要进一步深入的研究。 本文的主要研究对象是自然环境下的交通标志图像，具体可以分为交通标志的检测和交通标志的识别两大部分。 在交通标志检测部分，由于在不同自然环境和驾驶状态下采集到的交通标志图像具有多样性的特征，比如雨雪、雾霾等天气以及交通标志的扭曲、变形、遮挡等，给交通标志的检测带来了严峻的挑战，基于此，本文使用一种基于交通标志颜色和形状双重特征的检测算法，首先利用基于HSV颜色空间的算法对交通标志进行分割，然后对分割结果进行形态学处理，最后运用基于改进型Hough变换的算法对分割后的图像进行检测。本文使用的算法可以很好的克服光照变化和天气情况对检测造成的不利影响。 在交通标志识别部分，在检测的基础之上，本文提出了一种新型的基于改进型加权ELM和AdaBoost融合优化的交通标志识别算法，该算法首先通过设置一种简单有效的方案来合理地确定改进型 ELM的输入权值矩阵和隐藏层神经元偏置，然后通过迭代训练来更新原始ELM模型的训练样本权重，并利用加权处理后的ELM作为AdaBoost算法的弱分类器，最后利用加权多数投票策略得到最优输出强分类器。 本文试验所用的数据库是著名的德国交通标志数据库，最终实验结果表明，本文算法能够取得的交通标志总识别率为99.12％，单张交通标志的识别时间为7.1ms，可以满足实时识别应用的需求，因此，本文算法能够有效改善自然环境下的交通标志识别性能。 |
| 作者： | 王权威 |
| 专业： | 电子与通信工程 |
| 导师： | 徐岩;徐伯夏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 天津大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
