原文传递
基于多特征分层的道路交通标志识别算法研究
| 论文题名： | 基于多特征分层的道路交通标志识别算法研究 |
| 关键词： | 交通标志识别;智能交通系统;多特征分层算法;SURF算子;机器学习;多特征分层 |
| 摘要： | 智能交通系统是一个集检测、通信和计算机技术为一体的综合信息系统,融合了多种技术的综合系统,为许多悬而未决的交通问题提供了可行的解决方案。它是在道路基础设施完善的基础上,将先进的通信技术、智能信息处理技术、图像处理技术、传感器技术、模式识别理论以及系统工程技术地集成起来,运用于地面交通的智能控制,提高了地面交通的运输效率和行车安全。交通标志识别子系统作为智能交通系统的一个重要组成部分,是智能交通系统研究的一个重要分支领域。 本论文组织如下:在绪论部分,首先介绍了当前道路交通中存在的某些问题,和交通标志识别的相关基础知识,然后引出本文的研究客体—交通标志识别;接着,从国内外两方面详细分析了智能交通标志识别的研究现状。在此基础上,提出了一种基于多特征分层的交通标志识别研究思路。 在第二章,介绍了与本文相关的多特征提取技术。首先介绍了本文用到的第一层特征提取技术—基于HSV颜色空间的交通标志颜色特征提取;接着,文章阐述了与第二层特征提取相关的技术—形状特征提取;然后,本文的第三层特征提取技术,即局部特征提取技术。 在第三章,介绍了典型的道路交通标志识别算法。首先,文章对交通标志识别算法进行概要的介绍,指出了常用的框架模型;然后,对基于特征匹配的交通标志识别算法和基于机神经网络的交通标志识别算法进行了详细的介绍。 在第四章,介绍了本文的基于多层特征分层的道路交通标志识别方法。文章首先介绍了多特征分层交通标志识别算法的框架,然后对实验数据进行了分析和说明,最后详细分析了多特征分层的交通标志识别算法的实现过程;接着对该算法进行了实验仿真和分析。 在第五章,针对基于传统图像特征结合的SVM识别效果不足,提出了基于真实自然场景下的基于多特征的SVM交通识别方法,采用HSV颜色空间的支持向量机交通标志识别算法。首先介绍了图像处理中常用的两种预处理技术;接着详细介绍了支持向量机的理论基础;然后详细介绍了支持向量机自然交通的标志识别算法的实现过程并进行了仿真实验,实验中分别采用标准交通标识库和从自然场景拍摄的交通标志库。 通过对交通标志识别的分析与研究,提出了以颜色、形状和SURF特征为层次的多特征分层交通标志识别算法。以颜色特征进行粗分类,确定交通标志所属的类别;接着以形状特征进行细分类,进一步对交通标志进行细分类;最后以SURF特征进行交通标志所属的精确分类,实现交通标志的识别。 |
| 作者： | 江治国 |
| 专业： | 电子与通信工程 |
| 导师： | 孙锐 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
