详情

原文传递交通标志识别

论文题名：	交通标志识别
关键词：	交通标志识别;图像分割;支持向量机;Linear核函数;智能交通系统
摘要：	随着社会进步和经济发展，汽车的保有量、出行人数的急剧增加，城市交通拥堵、交通事故频发，通行效率低下等问题日益突出。在此背景下，各国开展了智能交通系统(ITS: Intelligent Transportation System)的研究。ITS被认为是解决以上问题的基本手段，其核心技术涉及数字信号处理、通信技术、图像处理、模式识别、人工智能和系统工程技术等，是一门综合性技术。道路交通标志识别(TSR)系统是智能车辆的重要组成部分，它在车辆行驶中对道路出现的交通标志进行信息采集和识别，及时地向驾驶员做出指示或警告，甚至接替驾驶员直接对车辆控制，以确保交通顺畅和防止事故的发生。　　交通标志识别是智能车辆的关键技术和难点之一，它包括自然场景下交通标志的检测与分类技术，尽管学者们对其进行了多年的研究，已取得一定的成果，但仍然没有得到很好的算法解决复杂环境下算法的鲁棒性较差的问题。针对这种情况，本论文在交通标志检测、特征提取与分类三方面展开研究。　　首先，在将交通标志从复杂的背景中进行分割的研究中，通过选取适当的阈值在RGB色彩空间和HSV色彩空间中分别进行交通标志分割，提取出目标可能出现的区域。并对两种色彩空间的分割效果和实时性进行对比。最后在保留的面积较大的区域中再去寻找其中的三角形、圆形提取目标区域。在此基础上，本文对大量交通标志进行了图像分割实验，实验表明HSV彩色空间的交通标志的分割效果更好。　　其次，选用满足旋转、平移和尺度不变性要求的特征矢量—SIFT特征，提出对图像分块的思想，将图像划分为固定数目的子块，计算每个子块内的SIFT向量均值，从而得到该图像的特征向量。这一特征向量维数与图像大小内容无关，使其具有可扩展性。　　最后，设计支持向量机(SVM)分类器对已检测出的交通标志图像进行识别研究。并比较不同类别的交通标志在RBF、Sigmoid、Linear核函数下交通标志的准确率，并在此基础进行参数寻优，至正确率最高。通过对不同种类的交通标志图像分类实验表明，特征数据经核函数以及参数寻优后很好提高了分类准确率。
作者：	白莹
专业：	数字图像处理
导师：	周航
授予学位：	硕士
授予学位单位：	北京交通大学
学位年度：	2013
正文语种：	中文