复杂环境下的交通标志识别方法研究

发布时间：2024-11-03 03:58

　　交通标志识别系统作为高级辅助驾驶系统的重要组成部分,不仅保障了车辆行驶的安全性,而且提升了车辆行驶的效率。传统的交通标志识别系统主要针对的是在环境状况良好条件下,采集得到的交通标志图像;然而车辆行驶的环境较为复杂,由于车载摄像装置的抖动、周围非目标物体的遮挡以及传输介质的干扰,造成了采集图像的运动模糊、残缺和噪声等问题,从而导致交通标志识别精度的大幅度降低。针对此问题,本课题研究了复杂环境下的交通标志识别算法,主要研究内容为:(1)提出并实现了平稳迭代在线支持向量机(SIOSVM)算法模型。结合已有的支持向量机模型和在线学习理论,针对在线支持向量机模型初期不稳定、学习效率随时间推移而降低、分类时间随时间推移而增加的缺点,提出了SIOSVM的在线识别模型,对特征提取后的交通标志特征向量进行分类识别。(2)提出并实现了一种新的改进卷积神经网络(改进CNN)模型。改进CNN模型由CNN特征提取模型和SIOSVM分类识别模型组成:首先通过实验分析搭建了CNN特征提取模型;然后将提取得到的特征作为样本,输入SIOSVM分类识别模型,通过模型训练,最终得到改进CNN模型。(3)验证改进CNN模型的性...

【文章页数】：83 页

【学位级别】：硕士

【部分图文】：

[2]。道路交通标志识别系统是将车载摄像装置所拍摄到的图像进行分析，检测其是否含有交通标志以及交通标志所在区域，并识别图像中的交通标志类型，最后将识别的结果传送给车载中心系统或者驾驶员，对车辆的路径规划及驾驶操作做出相应指导或调整，从而提升交通安全及交通效率。近年来，得益于计算机....

交通标志识别系统是车辆高级辅助驾驶系统的重要组成部分，能为车辆的路径规划以及决策控制提供有效的依据。然而大部分的交通标志识别系统都是针对常规环境下的交通标志图像进行检测与识别，或者对于复杂环境下的交通标志图像的识别效果并不理想。对此本课题提出了复杂环境交通标志识别系统，该系统基于....

划分成大小为4*4的细胞单元；个细胞单元的梯度分布直方图（也即是HOG特征ck模块，每个block模块包含4个细胞单元，全部构成了block模块的特征描述子；ock特征描述子构成整个交通标志图像的特征描述G特征。素点的梯度公式如下所示：....

武汉科技大学硕士学位论文广泛运用于美国银行的支票上的手写数字识别中。LeNet-5共有7层，2个卷积层、2个池化层和3个全连接层，如图2.3所示，具有卷积神经网络的一般特性。同时由于LeNet-5卷积神经网络的结构简单、参数较少、训练时间较短等优点，本课题将....

本文编号：4010647