大類別集交通標志識別算法研究.pdf

1、交通標志自動識別在智能交通系統(tǒng)中發(fā)揮著重要作用，是無人駕駛車輛的必要組成部分，用于輔助駕駛系統(tǒng)則能為駕駛員提供交通路況、交通規(guī)則、行駛方向等信息，從而提高駕駛安全，減少交通事故。自然場景中的交通標志識別易受天氣狀況、光照條件、運動模糊、障礙物遮擋、旋轉傾斜等因素的影響，這為快速準確的交通標志識別帶來相當大的挑戰(zhàn)。
　　交通標志由若干大類別和大類別之下的子類別組成。大類別之間外觀差異較大而大類別內的小類別之間相似度高。為提高交通標志

2、識別的精度和速度，本文提出了一種由粗到細逐級分類的策略:首先采用單個特征（改進的梯度方向直方圖特征）和支持向量機將待識別標志快速分類至大類別，之后提取交通標志的局部二值模式、Gabor小波和dense-SIFT三種局部特征并進行特征融合，送入支持向量機和隨機森林的組合分類器實現(xiàn)交通標志的分類。
　　本文的主要工作有以下幾個方面:
　　1.基于灰度圖像的梯度方向直方圖特征難以對紋理相似但顏色不同的交通標志進行有效區(qū)分，本文通過

3、提取彩色交通標志圖像多個通道的梯度方向直方圖特征對其進行了改進，改進后的特征融入了顏色信息，顯著提高了分類性能。
　　2.由于單一特征難以全面描述交通標志的特點，本文深入研究了三種局部特征描述子:局部二值模式、Gabor小波和dense-SIFT，并將三種特征進行了融合，融合后的特征增強了對交通標志的區(qū)分能力。
　　3.本文深入研究了支持向量機和隨機森林兩種分類器，為了更加有效區(qū)分外觀相似的交通標志，對支持向量機和隨機森林進