基于特征提取的交通標(biāo)志檢測(cè)和識(shí)別.pdf

1、由于其廣泛的實(shí)用價(jià)值和發(fā)展前景，智能交通系統(tǒng)已成為未來交通的發(fā)展方向。道路交通標(biāo)志的檢測(cè)和識(shí)別是道路交通系統(tǒng)中不可缺少的一部分。本文在研究國內(nèi)外圖像特征抽取和特征匹配經(jīng)典算法的基礎(chǔ)上，提出了改進(jìn)算法，并將其應(yīng)用到道路交通標(biāo)志檢測(cè)和識(shí)別算法中。本文的主要工作是：
　?。?）特征USB(Ultrashort binary descriptors)是一種極短的、可快速匹配的二值特征，但是這種基于灰度的特征只考慮了局部區(qū)域內(nèi)的灰度信息分布

2、，而忽略了顏色等其他局部信息。顏色特征CN(Color Names)是人類賦予現(xiàn)實(shí)中色彩的一種語義顏色標(biāo)簽。本文提出了一種新的二值描述子，其融合了USB二值特征和CN顏色特征。USB特征獲取區(qū)域內(nèi)的局部灰度信息，實(shí)現(xiàn)粗匹配；而后利用CN特征作為補(bǔ)充信息，篩選出錯(cuò)誤的匹配。該融合描述子在標(biāo)準(zhǔn)數(shù)據(jù)集上測(cè)試，對(duì)于旋轉(zhuǎn)、光照、模糊以及尺度變換等圖像都能獲得令人滿意的精確率和召回率。
　　（2）常用的二值特征匹配算法一般是基于貪婪搜索算法實(shí)

3、現(xiàn)的，即通過窮舉的方式在某個(gè)集合中找出最優(yōu)解。然而當(dāng)特征維數(shù)較大時(shí)，這類算法的時(shí)間復(fù)雜度將無法滿足實(shí)際應(yīng)用的需要。本文提出了一種基于最小哈希的二值特征匹配方法，該方法把一個(gè)在超大集合內(nèi)查找相似元素的問題轉(zhuǎn)化為在一個(gè)很小集合內(nèi)查找相似元素的問題，可以減少需要對(duì)比的特征對(duì)數(shù)同時(shí)提高匹配的召回率。同時(shí)，使用Jaccard距離度量的最小哈希函數(shù)能保證原始數(shù)據(jù)中相似的向量對(duì)在哈希變換后依然能夠以很高的概率相似。實(shí)驗(yàn)表明這種匹配方法應(yīng)用在常用的二值

4、特征上時(shí)，可以獲得比KD-Tree更好的匹配精確率和召回率，而且降低了特征匹配的時(shí)間復(fù)雜度。
　?。?）將本文提出的融合二值特征算法和基于最小哈希的二值特征匹配算法應(yīng)用到道路交通標(biāo)志的檢測(cè)和識(shí)別中。對(duì)于檢測(cè)到的交通標(biāo)志興趣區(qū)域，提取每個(gè)特征點(diǎn)的融合二值描述子,組成特征向量矩陣。找出交通標(biāo)志模板庫中每個(gè)交通標(biāo)志對(duì)應(yīng)的特征向量矩陣，用本文提出的特征匹配方法分別計(jì)算這兩個(gè)矩陣的匹配結(jié)果。實(shí)驗(yàn)表明這兩種算法有效地提高了匹配的正確率，同時(shí)減