基于车载摄像头的信号灯检查算法

发布时间：2021-01-28 09:03

　　基于车载摄像头的信号灯检测是无人驾驶汽车的重要技术之一,也是人工智能在计算机视觉方面的重要应用。传统的信号灯检测方法或者使用颜色阈值分割只检测信号灯光斑,或者使用基于滑动窗口的物体检测算法。只检测信号灯光斑容易受车尾灯等其他灯光的影响造成误识别,滑动窗口法计算量过大容易造成算法耗时严重的问题。而目前较为前沿的基于深度卷积神经网络的通用物体检测算法并不适用于信号灯这类小物体的检测。因此,针对信号灯难检测、耗时多的问题,本文综合考虑了颜色阈值分割算法与深度卷积神经网络算法的优点,提出一种准确、高效的信号灯检测算法。本文的主要工作包括以下三个方面:（1）提出一种信号灯共有特征区域提取算法。本算法将信号灯光斑定义为不同种类信号灯的共有特征区域。使用颜色阈值分割、膨胀与腐蚀、连通域提取算法提取信号灯光斑并使用基于几何约束的连通域过滤算法过滤部分误识别的信号灯光斑。由于信号灯光斑通常位于信号灯的上方或下方,因此本算法可以快速定位到信号灯可能存在的位置。（2）提出一种信号灯候选区域生成算法。信号灯光斑包围框与信号灯候选区域包围框之间通常具有一定的比例关系。本算法建立了由光斑包围框映射到信号灯候选区域... 

【文章来源】：西北大学陕西省 211工程院校

【文章页数】：67 页

【学位级别】：硕士

【部分图文】：

文献[2]信号灯检测流程

图 1.3 Selective Search 算法流程2015 年，任少卿等[11]提出了著名的 Faster RCNN（Faster Region Convolutieural Network）物体检测深度神经网络。该网络使用 Region Proposal Network（RP图像中提取感兴趣区域。RPN 使用一个滑动窗口在图像经过卷积计算得到的特

图 1.4 RCNN 物体检测流程RCNN 在目标检测领域是一个具有开创意义的算法。但是该方法的实时性较差，这主要是因为该方法对每一个感兴趣区域单独计算一次卷积特征，各个感兴趣区域之间有很多重叠的地方，这就意味着该方法存在着大量的重复计算。为了解决这个问题，

【参考文献】：
期刊论文
[1]基于HOG特征的交通信号灯实时识别算法研究[J]. 周宣汝,袁家政,刘宏哲,杨睿.  计算机科学. 2014(07)
[2]基于RGB颜色空间的彩色图像分割方法[J]. 杨璟,朱雷.  计算机与现代化. 2010(08)
[3]基于数学形态滤波的齿轮故障特征提取方法[J]. 章立军,杨德斌,徐金梧,陈志新.  机械工程学报. 2007(02)
[4]蒙特卡罗方法与计算机模拟研究[J]. 童继平,韩正姝.  计算机与农业. 2000(07)

博士论文
[1]RGB颜色空间及其应用研究[D]. 黄国祥.中南大学 2002

硕士论文
[1]交通信号灯检测与识别算法的研究[D]. 黄振威.中南大学 2012
[2]高速公路中车道检测技术研究[D]. 鲁曼.中南大学 2010
[3]视频交通灯识别和阴影消除方法及应用研究[D]. 谭乃强.湖南大学 2010



本文编号：3004721