車載輔助系統(tǒng)中禁令交通標(biāo)志的識別研究.pdf

1、隨著中國社會和經(jīng)濟(jì)的快速發(fā)展，城市交通出現(xiàn)了前所未有的迅猛增長，特別是近10年來，各類機(jī)動車的保有量越來越大。我國城市特別是像廣州、深圳這樣的大城市，現(xiàn)有的道路交通設(shè)施和日益增長的交通需求之間的矛盾日益突出，交通擁堵現(xiàn)象嚴(yán)重，交通事故頻發(fā)，對人們的生命財產(chǎn)安全乃至國家的經(jīng)濟(jì)發(fā)展都構(gòu)成了巨大的威脅。因此，如何在現(xiàn)有的交通環(huán)境和條件下建立一個智能的車載輔助系統(tǒng)，提升車輛行駛的安全性，減少道路交通事故，具有非常重要的社會意義和科研意義。

2、>　　道路交通標(biāo)志識別系統(tǒng)是車載輔助系統(tǒng)的重要組成部分。本文旨在研究城市交通環(huán)境中禁令交通標(biāo)志的識別。在對相關(guān)課題做了大量國內(nèi)外調(diào)研之后，根據(jù)禁令交通標(biāo)志的特點(diǎn)，設(shè)計(jì)并完成了一個實(shí)時性好，識別率較高，魯棒性強(qiáng)的禁令交通標(biāo)志識別系統(tǒng)，具體研究內(nèi)容如下:
　　(1)禁令交通標(biāo)志的顏色分割。首先為了減弱或消除光照對后續(xù)圖像分割的影響，對自然場景中采集的彩色圖像在YCbCr顏色模型下進(jìn)行了光照均衡化處理，并將處理后的圖像顏色模型轉(zhuǎn)換到RG

3、B顏色模型。然后利用禁令交通標(biāo)志的顏色特征直接在RGB顏色模型下利用改進(jìn)的分割算法對預(yù)處理后的圖像進(jìn)行顏色分割。并將分割結(jié)果與其他顏色模型下的分割結(jié)果進(jìn)行了對比。
　　(2)基于形狀特征的禁令交通標(biāo)志檢測。先對顏色粗分割得到的二值圖像進(jìn)行膨脹、腐蝕、開啟和閉合等形態(tài)學(xué)組合處理得到感興趣區(qū)域。對傳統(tǒng)的圓形度檢測算法和基于特征參數(shù)的三角形檢測法進(jìn)行了改進(jìn)，并利用改進(jìn)后的方法分別對感興趣區(qū)域進(jìn)行形狀檢測，并標(biāo)記和截取出符合要求的圓形區(qū)域

4、和倒立的等邊三角形區(qū)域，用于后續(xù)的標(biāo)志判別。
　　(3)深度學(xué)習(xí)模型MPCNN在禁令交通標(biāo)志判別中的應(yīng)用。詳細(xì)介紹了深度學(xué)習(xí)理論及常用的幾種深度學(xué)習(xí)模型。利用深度學(xué)習(xí)方法在對圖像進(jìn)行識別時深度學(xué)習(xí)網(wǎng)絡(luò)能夠自動從訓(xùn)練樣本中學(xué)習(xí)到抽象特征，而不需要人工參與提取特征的優(yōu)點(diǎn)，本文采用了一種卷積神經(jīng)網(wǎng)絡(luò)的改進(jìn)模型—MPCNN對檢測出的禁令交通標(biāo)志進(jìn)行判別。詳細(xì)介紹了MPCNN模型的網(wǎng)絡(luò)結(jié)構(gòu)及訓(xùn)練方法，并利用采集的樣本數(shù)據(jù)對網(wǎng)絡(luò)性能進(jìn)行了測試