数字图像的交通标志检测与识别方法研究

发布时间：2020-08-04 07:08

【摘要】：交通标志包含了大量的道路状况信息,为驾驶员的安全有序行驶提供了重要保障。随着技术的发展和应用的需求,交通标志检测和识别系统在高级驾驶辅助系统和自动驾驶研究中扮演着至关重要的角色。交通标志根据功能可以划分成很多类,虽然每一类交通标志之间具有相似的形状和颜色,但是表示的具体含义却不相同。针对现有的交通标志检测和识别算法中存在的不足,本文提出了基于级联卷积神经网络的交通标志检测算法和基于多特征融合的交通标志识别算法,主要创新点如下:一、交通标志检测不同于一般的目标检测,通常情况下交通标志在整幅图像中所占比例不足5%,而且在复杂的自然场景中,存在很多干扰因素,例如光照亮度低、运动模糊、雨雪等恶劣天气条件、交通标志牌被遮挡或损坏等,这为交通标志检测带来了巨大的挑战。本文所提出的检测算法实现了对交通标志由粗到细的检测,而且对图像中不同大小的交通标志具有很好检测性能。检测网络通过三个卷积神经网络级联得到,首先对图像多尺度缩放获得不同尺寸的交通标志,然后将多尺度图像输入一个全卷积神经网络,快速将非交通标志区域筛除,再继续通过余下的两个神经网络进行更进一步地筛选,最终定位出图像中的交通标志区域。而且本文所提出的检测网络能够适应多尺度的样本图像进行训练,更符合交通标志检测的实际情况。通过在多个交通标志检测库上进行性能测试,实验结果表明,通过级联神经网络对交通标志由粗到细的检测,不仅保证了召回率,而且提高了检测的准确率。二、基于交通标志形状、颜色的特性分析,本文提出了融合标志的边缘特征、颜色和纹理特征,并利用支持向量机(SVM)分类器进行交通标志识别的算法。首先以特征稀疏的方式融合交通标志的HOG和LBP特征,降低了特征向量的维数,从而降低了时间复杂度,然后再与颜色特征级联融合得到最终的交通标志特征向量。最后将交通标志图像的特征集合输入到SVM进行训练建立交通标志识别模型。在两个公开的交通标志数据库上进行了性能测试,实验表明本文所提出的交通标志识别算法不仅获得了最高的准确率,而且时间复杂度最低,系统鲁棒性最好。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;U491.5

【相似文献】

相关期刊论文 前10条

1 刘杰;;一种基于多特征融合的自适应目标跟踪策略[J];大众科技;2016年11期

2 刘红;王晔;雷长海;;基于多特征融合的中医舌像检索研究[J];计算机应用研究;2010年02期

3 王益尧;;基于多特征融合问句理解问答系统研究[J];数据通信;2018年02期

4 李志欣;李艳红;张灿龙;;一种多特征融合的场景分类方法[J];小型微型计算机系统;2018年05期

5 霍富功;王诗琴;;基于多特征融合的转移粒子滤波红外小目标跟踪算法研究[J];信息与电脑(理论版);2018年12期

6 蒋晓玲;章慧;;基于多特征融合的激光医学图像拼接[J];激光杂志;2015年12期

7 王钰;何红艳;谭伟;齐文雯;;一种多特征融合的高分辨率遥感图像道路提取算法[J];遥感信息;2019年01期

8 孙汝星;范荣双;;基于支持向量机的多特征融合影像云检测[J];测绘与空间地理信息;2018年06期

9 乔瑞萍;孙贺;董员臣;王方;;基于多特征融合的井盖检测系统实现[J];电子技术应用;2018年06期

10 顾鑫;李U

本文编号：2780221