基于嵌入式的交通标志识别器的设计
发布时间：2021-10-08 01:13
交通标志牌是道路交通为驾驶者提供的风向标,保障了城市交通的流畅运行。随着人工智能技术与智能交通的结合日趋紧密,交通标志牌的检测与识别逐渐成为了计算机视觉领域中的热门问题。主要应用在智能交通、自动驾驶、辅助驾驶等具体的交通场景。通过机器识别视频流中出现的交通标志牌来提醒驾驶者,为其预留足够的反应时间来控制汽车规避风险,正确行驶。近年来,基于GPU计算的深度学习目标检测模型在识别准确度与检测速度上的大幅度提升,越来越多的科研工作者将交通标志牌的检测与识别功能转移到轻便小巧的嵌入式设备上,旨在设计一种脱离PC机以及云端的交通标志识别设备,解决因网络延迟与硬件体积过大所带来的问题。本文研究并设计了一种基于嵌入式的交通标志牌检测与识别系统,主要的研究内容如下:1.本文对目标检测领域常用的图像处理算法和目标检测算法进行了原理分析和特性对比,凸显了深度学习算法检测精度高、速度快、泛用能力强等优点,为后续研究建立了理论基础;本文独立建立了交通标志牌数据集,包含15000多张真实交通场景以及每张图像的标注信息。2.系统的实现方案上,本文选用基于直接回归法的YOLOv3目标检测的模型,兼顾了识别准确率与识...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
TX2原理图
第二章目标检测与图像处理相关算法9点，对椒盐噪声有很好的去除效果。以3*3的算子为例，如图2-1所示：图2-1中值滤波原理图以x,y为所求像素值坐标，我们可以在3*3的邻域中得到9个像素值，那么该点的中值滤波得到最后的结果就为这9个像素值的中位数。如式(2-1)：(,)=((1,1),(1,),(1,+1),(,1),(,),(,+1),(+1,1),(+1,),(+1,+1)(2-1)中值滤波应用十分广泛，具体效果如图2-2所示：图2-2中值滤波效果图（a）噪声图；（b）去噪图从上图2-2的噪声图与去噪图比较可以看出，去噪图中椒盐噪声得到了抑制，图像信息更加清晰。由此可以得出结论，中值滤波对椒盐噪声有很好的处理效果。2.1.1.2高斯滤波高斯滤波[29]是根据高斯函数的形状来选择权值的线性平滑滤波。通过对整幅图像进行加权，使每一个像素点的值都由其本身和邻域内的其它像素点的加权平均得到。顾名思义，高斯滤波对服从正态分布的噪声非常有效。一维高斯滤波函数如式(2-2)：()=1√2(0)222(2-2)
第二章目标检测与图像处理相关算法9点，对椒盐噪声有很好的去除效果。以3*3的算子为例，如图2-1所示：图2-1中值滤波原理图以x,y为所求像素值坐标，我们可以在3*3的邻域中得到9个像素值，那么该点的中值滤波得到最后的结果就为这9个像素值的中位数。如式(2-1)：(,)=((1,1),(1,),(1,+1),(,1),(,),(,+1),(+1,1),(+1,),(+1,+1)(2-1)中值滤波应用十分广泛，具体效果如图2-2所示：图2-2中值滤波效果图（a）噪声图；（b）去噪图从上图2-2的噪声图与去噪图比较可以看出，去噪图中椒盐噪声得到了抑制，图像信息更加清晰。由此可以得出结论，中值滤波对椒盐噪声有很好的处理效果。2.1.1.2高斯滤波高斯滤波[29]是根据高斯函数的形状来选择权值的线性平滑滤波。通过对整幅图像进行加权，使每一个像素点的值都由其本身和邻域内的其它像素点的加权平均得到。顾名思义，高斯滤波对服从正态分布的噪声非常有效。一维高斯滤波函数如式(2-2)：()=1√2(0)222(2-2)
【参考文献】：
期刊论文
[1]A-FPN算法及其在遥感图像船舶检测中的应用[J]. 于野,艾华,贺小军,于树海,钟兴,朱瑞飞. 遥感学报. 2020(02)
[2]基于改进HOG特征和SVM分类器的行人检测[J]. 纪冕,张欣,徐海. 软件. 2020(02)
[3]基于改进的Adaboost和LBP危险物品检测算法研究[J]. 牛道鸿,马晓东,吴雪冰,王芳. 计算机与现代化. 2020(02)
[4]深度学习的目标跟踪算法综述[J]. 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子. 中国图象图形学报. 2019(12)
[5]最近邻优化的k-means聚类算法[J]. 林涛,赵璨. 计算机科学. 2019(S2)
[6]基于宽浅稠密网络的无人驾驶汽车交通标志牌识别[J]. 邓涛,李鑫,汪明明,邓彪. 汽车技术. 2020(01)
[7]基于YOLO v3的交通标志牌检测识别[J]. 潘卫国,刘博,陈英昊,石洪丽. 传感器与微系统. 2019(11)
[8]自适应高斯混合模型海上移动对象浮标轨迹聚类研究[J]. 葛丽阁,孙伟. 现代计算机(专业版). 2018(23)
[9]复杂光照条件下交通标志牌检测[J]. 李文举,陈奇,董天祯,陆云帆,韦丽华. 中国科技论文. 2018(02)
[10]机器视觉在汽车驾驶辅助系统中的应用[J]. 张琳琳,郑碧琪. 上海汽车. 2017(10)
博士论文
[1]图像去噪中几种优化算法的相关研究[D]. 杨昊.电子科技大学 2016
[2]高斯滤波器逼近理论与应用研究[D]. 许景波.哈尔滨工业大学 2007
硕士论文
[1]基于径向基函数的图像旋转算法研究[D]. 成慧芳.兰州大学 2016
[2]数字图像去噪算法的研究与应用[D]. 贺东霞.延安大学 2015
[3]视频图像缩放算法的研究与实现[D]. 李然.华南理工大学 2012
本文编号：3423139
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：91 页
【学位级别】：硕士
【部分图文】：
TX2原理图
第二章目标检测与图像处理相关算法9点，对椒盐噪声有很好的去除效果。以3*3的算子为例，如图2-1所示：图2-1中值滤波原理图以x,y为所求像素值坐标，我们可以在3*3的邻域中得到9个像素值，那么该点的中值滤波得到最后的结果就为这9个像素值的中位数。如式(2-1)：(,)=((1,1),(1,),(1,+1),(,1),(,),(,+1),(+1,1),(+1,),(+1,+1)(2-1)中值滤波应用十分广泛，具体效果如图2-2所示：图2-2中值滤波效果图（a）噪声图；（b）去噪图从上图2-2的噪声图与去噪图比较可以看出，去噪图中椒盐噪声得到了抑制，图像信息更加清晰。由此可以得出结论，中值滤波对椒盐噪声有很好的处理效果。2.1.1.2高斯滤波高斯滤波[29]是根据高斯函数的形状来选择权值的线性平滑滤波。通过对整幅图像进行加权，使每一个像素点的值都由其本身和邻域内的其它像素点的加权平均得到。顾名思义，高斯滤波对服从正态分布的噪声非常有效。一维高斯滤波函数如式(2-2)：()=1√2(0)222(2-2)
第二章目标检测与图像处理相关算法9点，对椒盐噪声有很好的去除效果。以3*3的算子为例，如图2-1所示：图2-1中值滤波原理图以x,y为所求像素值坐标，我们可以在3*3的邻域中得到9个像素值，那么该点的中值滤波得到最后的结果就为这9个像素值的中位数。如式(2-1)：(,)=((1,1),(1,),(1,+1),(,1),(,),(,+1),(+1,1),(+1,),(+1,+1)(2-1)中值滤波应用十分广泛，具体效果如图2-2所示：图2-2中值滤波效果图（a）噪声图；（b）去噪图从上图2-2的噪声图与去噪图比较可以看出，去噪图中椒盐噪声得到了抑制，图像信息更加清晰。由此可以得出结论，中值滤波对椒盐噪声有很好的处理效果。2.1.1.2高斯滤波高斯滤波[29]是根据高斯函数的形状来选择权值的线性平滑滤波。通过对整幅图像进行加权，使每一个像素点的值都由其本身和邻域内的其它像素点的加权平均得到。顾名思义，高斯滤波对服从正态分布的噪声非常有效。一维高斯滤波函数如式(2-2)：()=1√2(0)222(2-2)
【参考文献】：
期刊论文
[1]A-FPN算法及其在遥感图像船舶检测中的应用[J]. 于野,艾华,贺小军,于树海,钟兴,朱瑞飞. 遥感学报. 2020(02)
[2]基于改进HOG特征和SVM分类器的行人检测[J]. 纪冕,张欣,徐海. 软件. 2020(02)
[3]基于改进的Adaboost和LBP危险物品检测算法研究[J]. 牛道鸿,马晓东,吴雪冰,王芳. 计算机与现代化. 2020(02)
[4]深度学习的目标跟踪算法综述[J]. 李玺,查宇飞,张天柱,崔振,左旺孟,侯志强,卢湖川,王菡子. 中国图象图形学报. 2019(12)
[5]最近邻优化的k-means聚类算法[J]. 林涛,赵璨. 计算机科学. 2019(S2)
[6]基于宽浅稠密网络的无人驾驶汽车交通标志牌识别[J]. 邓涛,李鑫,汪明明,邓彪. 汽车技术. 2020(01)
[7]基于YOLO v3的交通标志牌检测识别[J]. 潘卫国,刘博,陈英昊,石洪丽. 传感器与微系统. 2019(11)
[8]自适应高斯混合模型海上移动对象浮标轨迹聚类研究[J]. 葛丽阁,孙伟. 现代计算机(专业版). 2018(23)
[9]复杂光照条件下交通标志牌检测[J]. 李文举,陈奇,董天祯,陆云帆,韦丽华. 中国科技论文. 2018(02)
[10]机器视觉在汽车驾驶辅助系统中的应用[J]. 张琳琳,郑碧琪. 上海汽车. 2017(10)
博士论文
[1]图像去噪中几种优化算法的相关研究[D]. 杨昊.电子科技大学 2016
[2]高斯滤波器逼近理论与应用研究[D]. 许景波.哈尔滨工业大学 2007
硕士论文
[1]基于径向基函数的图像旋转算法研究[D]. 成慧芳.兰州大学 2016
[2]数字图像去噪算法的研究与应用[D]. 贺东霞.延安大学 2015
[3]视频图像缩放算法的研究与实现[D]. 李然.华南理工大学 2012
本文编号：3423139
本文链接：https://www.wllwen.com/kejilunwen/qiche/3423139.html
