论文题名: | 基于机器学习的道路交通标志识别方法研究 |
关键词: | 道路交通标志;识别算法;智能交通系统;机器学习 |
摘要: | 随着经济的发展和城市化进程的加快,城市交通拥堵的现象日趋严重、各类交通事故频发,对于现代城市的发展造成了严重影响。针对这种情况,智能交通系统(Intelligent Transportation System,ITS)应运而生并得到迅速发展。作为智能交通系统的一个重要的研究方向,道路交通标志识别研究也变得越来越重要,而随着道路环境的日趋复杂和多样性,此领域研究面临的困难和挑战也与日俱增。研究出能满足在实际道路环境下的交通标志识别所要求的准确性、实时性的方法,对于智能交通系统的发展和智能城市的建设具有重要意义。因此,基于机器学习深入研究了交通标志识别方法,以有助于提高交通标志识别算法的精度与效率。论文的主要工作如下: (1)基于中国道路交通标志设计和分类的特点,采用专业数码相机在实际道路拍摄和基于百度全景地图截图的方式,获取不同环境条件下含有我国常见的60余种交通标志的原始图像,构建了共计2401幅图像的两个交通标志图像库,为后续研究工作提供了图像库资源。 (2)针对交通标志图像预处理中的光照不均衡和噪声问题,给出了一种基于Gamma校正的图像光照均衡和基于4-邻域算子的平滑滤波方法,用于提高原始图像质量。通过分析交通标志的颜色和形状特征,给出了一种基于RGB颜色空间和Canny边缘算子的交通标志检测和分割方法,并通过实验验证了算法的有效性。 (3)根据上述图像检测和分割的结果将交通标志粗分为六个子类,基于机器学习算法对每个子类进行细分类。提出了基于网格搜索的PCA-SVM(PrincipalComponent Analysis-Support Vector Machine)细分类算法和基于网格搜索的HOG-PNN(Histogram of Oriented Gradient-Probabilistic Neural Networks)细分类算法,并在相同的实验环境下,通过大量实验仿真验证了算法的有效性。 |
作者: | 吴峰 |
专业: | 电路与系统 |
导师: | 陈后金 |
授予学位: | 硕士 |
授予学位单位: | 北京交通大学 |
学位年度: | 2015 |
正文语种: | 中文 |