基于多特征融合的交通标志检测与识别

发布时间：2017-08-18 01:16

  本文关键词：基于多特征融合的交通标志检测与识别

  更多相关文章： 交通标志 多特征 卷积神经网络

【摘要】：道路交通标志是用于向驾驶员传递路况及交通规则的道路设施,利用不同的颜色、形状、图案的组合来表达不同的信息,具有显著的颜色、形状和尺度特征。本文充分利用交通标志的上述特征,研究自然场景下交通标志自动检测与识别方法。本文提出了一种多特征融合的交通标志检测与识别方法,利用交通标志的多种特征来协同实现交通标志的检测与识别,具有良好的准确性和鲁棒性。在交通标志检测阶段,根据交通标志的特定的颜色(红、蓝)特征,采用颜色不变量特征,建立相应颜色的混合高斯颜色概率模型。通过该模型计算图片中每个像素点属于交通标志某特定颜色的概率,从而得到相应的颜色概率图。再将概率图转为灰度图,这样得到的灰度图中,较明亮的区域即为特定颜色相关的区域。再利用最大稳定性极值区域算法(Maximally Stable Extremal Regions,MSER)寻找灰度图中的灰度稳定性区域,如果图片中有交通标志,那么极大可能位于这些稳定区域中,然后利用交通标志的尺度特征筛选这些稳定区域,得到最终的候选检测区域。然后根据交通标志的形状特征,利用方向梯度直方图(HOG)特征训练支持向量机(SVM)分类器,利用该分类器对候选检测区域进行分类检测,判断该区域是否存在交通标志,从而得到交通标志位置。在交通标志识别阶段,结合交通标志检测的结果,对于待分类识别的交通标志,其形状、颜色、所属的大类(警告、禁令、指示)等信息是已知的,因而在识别阶段,主要的是识别交通标志内部的图案差异。本文利用交通标志的灰度图片作为训练样本,利用限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histgram Equalization,CLAHE)对训练样本进行处理,消除光照对图片的影响,根据交通标志各大类的图案特点,训练不同的识别网络,从而得到较好的识别效果。本文采用的算法经过实验验证表明是比较可行且有效的,在检测和识别方面都具有不错的效果。
【关键词】：交通标志 多特征 卷积神经网络
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U495;TP391.41
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-15
• 1.1 研究背景及意义9-10
• 1.2 交通标志检测与识别的研究现状10-14
• 1.2.1 交通标志检测算法的研究现状10-13
• 1.2.2 交通标志识别算法的研究现状13-14
• 1.3 本文研究目标和研究内容14-15
• 第二章 交通标志及图像预处理算法15-24
• 2.1 交通标志分析15-17
• 2.2 相关图像处理理论及算法17-23
• 2.2.1 颜色空间17-21
• 2.2.2 最大稳定极值区域算法21-22
• 2.2.3 限制对比度自适应直方图均衡22-23
• 2.3 本章小结23-24
• 第三章 交通标志检测算法设计24-43
• 3.1 交通标志检测概述24-26
• 3.2 图片预处理及候选区域提取26-38
• 3.2.1 基于颜色分类器的图片预处理算法26-29
• 3.2.2 基于颜色特征模型的图片预处理算法29-32
• 3.2.3 基于颜色概率模型的图片预处理算法32-38
• 3.2.4 小结38
• 3.3 交通标志检测器设计及训练38-41
• 3.3.1 HOG特征简介38-41
• 3.3.2 基于HOG特征的交通标志检测器设计41
• 3.4 本章小结41-43
• 第四章 交通标志识别算法设计43-56
• 4.1 交通标志识别概述43-44
• 4.2 卷积神经网络基本原理44-49
• 4.2.1 神经网络44-46
• 4.2.2 卷积神经网络46-49
• 4.3 交通标志识别网络设计49-55
• 4.3.1 交通标志预处理49-50
• 4.3.2 网络设计50-55
• 4.4 本章小结55-56
• 第五章 实验与分析56-71
• 5.1 软硬件平台56
• 5.2 交通标志数据集56-58
• 5.3 交通标志检测实验58-65
• 5.3.1 数据准备58-59
• 5.3.2 分类器训练及建模59-62
• 5.3.3 检测实验62-65
• 5.4 交通标志识别实验65-68
• 5.4.1 准备数据65-67
• 5.4.2 训练网络67
• 5.4.3 识别实验67-68
• 5.5 交通标志检测与识别系统68-70
• 5.6 本章小结70-71
• 第六章 总结与展望71-73
• 6.1 总结71-72
• 6.2 展望72-73
• 致谢73-74
• 参考文献74-77
• 攻读硕士期间取得的成果77-78

【参考文献】

中国期刊全文数据库 前3条

1 孙光民;王晶;于光宇;李罡;许磊;;自然背景中交通标志的检测与识别[J];北京工业大学学报;2010年10期

2 张卡;盛业华;叶春;;针对车载移动测量系统的交通标志自动检测[J];武汉大学学报(信息科学版);2009年12期

3 郑义,蒋刚毅;形状的几何特征数值描述与交通标志的识别[J];信息与控制;1997年01期

，

本文编号：692002