原文传递
复杂场景下的限速标志检测与识别方法
| 论文题名： | 复杂场景下的限速标志检测与识别方法 |
| 关键词： | 智能交通;图像识别;限速标志检测 |
| 摘要： | 交通限速标志检测与识别技术的研究在很大程度上解决了汽车通行效率低、交通事故频发等问题，同时可以促进无人驾驶以及辅助驾驶技术的发展，已逐步成为智能交通领域研究的热点。但是该技术的研究还远没达到成熟，这主要因为限速标志所处的环境复杂多变，会受到光照条件、天气条件、局部遮挡、背景色相似、阴影等多种因素的干扰。因而应该继续开展以实时应用为目标的交通限速标志检测与识别技术的研究工作。 本研究主要内容包括：⑴在交通限速标志的检测方面，首先把每一帧的图像应用图像增强技术进行增强，并根据限速标志外边框为红色的特征，对图像中的红色区域进行了进一步的红色增强处理，从而降低了光照、天气等因素对图像质量的影响。之后把相应的图像转化到HSV彩色空间，通过计算区域的圆形度以及利用杆件特征进行二次查找确认，从而对限速标志进行了粗定位。在此基础上进一步利用HOG特征训练SVM分类器，对粗定位的结果进行精确定位，完成限速标志的检测。⑵在交通限速标志的识别方面，为了更好的适应复杂天气下的不同情况，在识别分类器的设计上进行了创新，主要在于首先对限速标志红框内的白色区域RGB特征进行提取，之后对样本的RGB特征进行聚类分析，把样本聚为两类并根据不同类别的特性对类别内的样本进行再处理，之后对每一类样本应用卷积神经网络进行训练，从而得到每一类的分类器。当限速标志区域进行识别时，会首先根据贝叶斯公式进行计算，进而判断其分类器所属的类别，最后利用所属类别的卷积神经网络模型进行识别来得出限速标志的具体限速值。⑶通过对比不同算法的查准率及查全率来验证了检测算法的准确性及有效性。通过与传统的CNN算法、SVM算法、BP神经网络算法、随机森林算法进行识别率及时间效率的对比试验，验证了本文识别算法具有较高的准确率与较好的鲁棒性，同时具有良好的时间效率。 |
| 作者： | 王浩 |
| 专业： | 软件工程 |
| 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： | 2015 |
| 正文语种： | 中文 |
检索历史
应用推荐
