交通標志檢測和識別算法研究.pdf

1、隨著技術(shù)的進步，道路安全得到了大幅度的提升，如今更加專注駕駛?cè)藛T的在駕駛車輛過程中因為錯誤所造成的安全問題。眾所周知，許多交通事故的發(fā)生是由于司機沒有察覺到交通標志造成的。這種情況大多是由于駕駛員的注意力被手機通話等事情分心造成了交通標志沒有被注意到。此外，惡劣的天氣和某些不良的駕駛條件使得駕駛員不能察覺道路中的交通標志。大多數(shù)汽車不具備交通駕駛輔助系統(tǒng)，而交通標志檢測和識別系統(tǒng)是該系統(tǒng)的重要組成部分。交通標志檢測和識別系統(tǒng)能夠及時提供

2、給駕駛員路況信息，從而讓駕駛員對突發(fā)狀況及時做出應對措施，進而避免或減少交通事故的發(fā)生。本文以交通標志檢測與識別技術(shù)作為的研究對象，從交通標志圖像的預處理、檢測、特征提取與識別等方面問題開展廣而深的研究。本文的創(chuàng)新點以及主要工作包括:
　　(1)研究了交通標志的圖像分割算法，設計了多級閾值的MSER算法，并利用交通標志的尺寸等幾何特征篩選MSER區(qū)域，能夠有效分割出交通標志候選區(qū)域，同時排除大量背景區(qū)域。
　　(2)提出了一

3、種基于多特征的高可信度區(qū)域的交通標志提取算法。首先，利用交通標志的形狀特性、紋理特性和顏色特性檢測交通標志區(qū)域;檢測到的交通標志區(qū)域與實際交通標志區(qū)域相比，存在位置偏移、區(qū)域過大或過小等問題，本文基于可信度函數(shù)進行自適應迭代以搜索最優(yōu)交通標志區(qū)域，從而最大程度上消除了上述問題。實驗表明，本方法在德國交通標志標準數(shù)據(jù)庫(GTSDB)和西班牙交通標志數(shù)據(jù)庫上分別得到97.1％和98.5％的Recall指標，且平均覆蓋率在94％以上，高于現(xiàn)有

4、的大多數(shù)交通標志檢測算法。
　　(3)提出了一種基于交通標志局部特征和級聯(lián)分類的交通標志識別算法。首先，基于交通標志局部的形狀、顏色、紋理特征進行級聯(lián)分類，使用專家委員會判定法將交通標志劃為圓形、三角形、菱形和倒三角形四大類;然后提取圓形和三角形交通標志的內(nèi)部構(gòu)件，利用類模板匹配法進行交通標志內(nèi)容的識別。結(jié)果表明，本方法在GTSRB測試庫中選取的2601張測試圖像獲得了98.3％的正確率，高于深度學習、HOG+SVM、HOG+隨機