原文传递
智能车交通标志检测与识别算法研究
| 论文题名： | 智能车交通标志检测与识别算法研究 |
| 关键词： | 智能交通;交通标志;特征提取;支持向量机;深度卷积神经网络 |
| 摘要： | 随着道路车辆数目的增加,由此引发的交通安全、环境污染等问题日益严重,使得智能交通系统(Intelligent Transport System,简称ITS)的研究成为热点.智能车是ITS的重要组成部分,由环境感知、路径规划、车辆控制等控制模块构成.为了提高车辆行驶安全性,交通标志自主检测与识别得到重视.然而实际场景中的道路状况十分复杂,交通标志检测与识别的实时性与准确性有很大的研究和改善空间.本文重点研究智能车的交通标志检测与识别的实时性和准确性,其主要研究内容如下: 交通标志图像预处理,为改善模糊不清、受光照等因素影响的图像质量,采用RGB颜色三通道直方图均衡化预处理算法,有效的减少了光照变化所带来的影响. 针对交通标志检测问题,采用不同颜色通道相融合分割算法结合标志形状检测算法.首先,分别将RGB和HSV两种颜色空间分割结果进行融合,分割标志区域实现交通标志的初步定位;其次,形态学处理滤除噪声点;最后,结合标志几何形状特性定位分割出标志. 针对交通标志识别问题,传统基于Gabor和SVM交通标志识别算法,通过建立训练样本库,Gabor特征提取和PCA降维处理,输入SVM中进行训练,识别正确率可达到89％以上.进一步提出了基于改进的Lenet-5卷积神经网络的交通标志识别算法,分析了Lenet-5网络模型的结构,对网络的结构和参数进行调整优化,得到新的Lenet-5网络模型,使用新的网络模型对交通标志进行识别.通过实验对比分析提出的改进的Lenet-5网络测试集的识别正确率为96%,无论是识别准确性还是实时性方面,均优于Gabor和SVM相结合的方法,证明所提识别算法正确可行. |
| 作者： | 崔万豪 |
| 专业： | 机械工程 |
| 导师： | 张传伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 西安科技大学 |
| 学位年度： | 2018 |
| 正文语种： | 中文 |
检索历史
应用推荐
