自然場(chǎng)景下的矩形交通標(biāo)志檢測(cè)與文本提取算法研究.pdf

1、近年來(lái)，計(jì)算機(jī)視覺研究成果斐然，在圖像分類、目標(biāo)檢測(cè)與識(shí)別等領(lǐng)域進(jìn)步很大。另一方面，為緩解城市交通擁堵、提高交通效率和交通安全，智能交通系統(tǒng)受到極大的關(guān)注，且輔助駕駛、無(wú)人駕駛是智能交通系統(tǒng)的重要組成部分。而自然場(chǎng)景下的交通標(biāo)志檢測(cè)和識(shí)別則是輔助駕駛、無(wú)人駕駛系統(tǒng)中的重要一環(huán)。交通標(biāo)志中的矩形交通標(biāo)志包含了文字、圖標(biāo)以及符號(hào)等，提供了諸如道路名稱、指示、警告等非常有價(jià)值的信息。此外，由于自然場(chǎng)景下的交通標(biāo)志易于受到不同天氣或光照強(qiáng)度的影

2、響、交通標(biāo)志部分可能被遮擋、包含文字的交通標(biāo)志中的文字排列不整齊，字符間距、大小不統(tǒng)一等。因此，矩形交通標(biāo)志檢測(cè)與文字提取具有極大的實(shí)用價(jià)值同時(shí)具有一定的挑戰(zhàn)性。
　　本論文的主要工作包含以下幾點(diǎn):
　　1.提出了一種基于線段合并的矩形目標(biāo)檢測(cè)算法，實(shí)現(xiàn)矩形交通標(biāo)志候選區(qū)域的快速提取。矩形交通標(biāo)志雖然寬高比變化大，樹葉雜物遮擋嚴(yán)重，但形狀特征相對(duì)穩(wěn)定。為此，本文采用了提取圖像中的直線段，再將直線段拼接成矩形，達(dá)到矩形目標(biāo)提取

3、的目的，從而實(shí)現(xiàn)矩形交通標(biāo)志候選區(qū)域的檢測(cè)。實(shí)驗(yàn)結(jié)果表明該算法不僅檢測(cè)速度快而且能夠以較少的候選區(qū)域數(shù)目達(dá)到較高的矩形交通標(biāo)志的召回率。
　　2.為快速濾除非矩形交通標(biāo)志候選區(qū)域，采用了多級(jí)分類以及多特征融合的方法實(shí)現(xiàn)矩形交通標(biāo)志的檢測(cè)。分別采用ex-HOG特征、CLBP特征以及HOG與BoW融合特征，結(jié)合SVM線性分類器，逐級(jí)濾除非交通標(biāo)志候選區(qū)域。其中HOG+BoW為本文改進(jìn)的一種適合交通標(biāo)志檢測(cè)的詞袋模型編碼框架，實(shí)驗(yàn)結(jié)果表

4、明了該算法速度快且精度較高。
　　3.針對(duì)檢測(cè)的矩形交通標(biāo)志，采用了基于對(duì)比度極值區(qū)域(CER)的方法提取文本連通部件，并利用筆劃層級(jí)聚類實(shí)現(xiàn)筆劃分離的單個(gè)文字檢測(cè)，解決了中文字符因筆畫分離導(dǎo)致無(wú)法檢測(cè)的問題。采用了距離度量學(xué)習(xí)的算法對(duì)已經(jīng)檢測(cè)的單個(gè)文本部件進(jìn)行合并從而快速提取中文文本行，有效克服了文本行中字符間隔不統(tǒng)一的難點(diǎn)。
　　為測(cè)試算法性能，本文收集含有交通標(biāo)志的圖片共1524張，并對(duì)其中交通標(biāo)志和標(biāo)志中的文本行進(jìn)行