交通标志检测与识别算法研究

发布时间：2017-08-23 01:18

  本文关键词：交通标志检测与识别算法研究

  更多相关文章： 交通标志检测与识别 边缘颜色对 特征筛选器 KPCA SVM

【摘要】：智能交通系统(Intelligent Transportation System, ITS)对于人类社会的发展具有重要的意义。交通标志识别系统(Traffic Signs Recognition, TSR)是ITS的一个重要分支,得到了广泛的重视。交通标志识别系统主要用于对道路上的交通标志牌进行检测与识别,并把识别出的内容传达给驾驶员,甚至是根据识别内容直接对车辆进行操控。交通标志识别系统对辅助驾驶员驾驶、保障道路交通的安全以及实现无人驾驶等方面都具有重要的意义,对其进行研究具有重要的现实意义。本文针对交通标志识别系统的算法进行研究,主要涵盖两个方面：交通标志检测算法和交通标志识别算法。提出了一种基于边缘颜色对和二级特征筛选器的交通标志检测算法。首先对图像进行HSI颜色空间中的彩色边缘提取,其次利用交通标志具有固定的颜色搭配的特征对提取出的边缘进行处理,去除掉不符合交通标志颜色搭配的边缘,然后对保留下来的边缘进行形态学处理,形成闭合的区域,最后构造一个二级特征筛选器,利用交通标志特定的几何特征对闭合区域进行筛选,最终提取出交通标志。实验结果表明,本文提出的交通标志检测算法具有较好的准确性,有效解决了交通标志褪色问题和相似物干扰问题。提出了一种基于KPCA和SVM的交通标志识别算法。首先对交通标志进行HOG特征提取,其次利用KPCA对提取出的HOG特征进行降维,然后应用SVM技术设计分类器,最后用训练好的SVM分类器对交通标志进行分类。实验结果表明,本文提出的利用KPCA进行特征降维,大幅减少了计算量,提高了分类识别的效率。
【关键词】：交通标志检测与识别 边缘颜色对 特征筛选器 KPCA SVM
【学位授予单位】：上海应用技术大学
【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1章 绪论9-14
• 1.1 课题背景和意义9
• 1.2 交通标志识别系统组成9-10
• 1.3 交通标志识别技术难点10
• 1.4 交通标志检测算法研究现状10-11
• 1.5 交通标志识别算法研究现状11-12
• 1.6 本文主要工作12
• 1.7 本文组织结构12-14
• 第2章 交通标志检测基础14-24
• 2.1 道路交通标志14-17
• 2.2 常用的颜色模型17-19
• 2.2.1 RGB颜色模型17
• 2.2.2 HSI颜色模型17-18
• 2.2.3 HSV颜色模型18-19
• 2.3 交通标志预处理19-23
• 2.3.1 去噪处理20-21
• 2.3.2 对比度增强21-23
• 2.4 本章小结23-24
• 第3章 基于边缘颜色对和特征筛选器的交通标志检测24-32
• 3.1 算法基本思路与整体结构24
• 3.2 边缘检测算法24-26
• 3.2.1 Canny边缘检测24-25
• 3.2.2 彩色边缘检测25-26
• 3.3 边缘颜色对26-27
• 3.3.1 边缘颜色对概念26-27
• 3.3.2 交通标志的边缘颜色对集合27
• 3.4 二级特征筛选器构建27-28
• 3.4.1 面积特征筛选器27-28
• 3.4.2 对称特征筛选器28
• 3.5 算法各部分实现方法28-30
• 3.6 实验结果与分析30-31
• 3.7 本章小结31-32
• 第4章 基于KPCA和SVM的交通标志识别32-53
• 4.1 算法基本思路32
• 4.2 HOG特征提取32-35
• 4.3 HOG特征降维处理35-40
• 4.3.1 基于PCA的降维处理35-37
• 4.3.2 基于KPCA的降维处理37-40
• 4.3.3 KPCA和PCA的降维效果对比分析40
• 4.4 SVM分类器40-49
• 4.4.1 SVM分类思想41-42
• 4.4.2 SVM理论基础42-49
• 4.5 基于KPCA和SVM交通标志识别算法的实现49-52
• 4.5.1 数据集介绍49-50
• 4.5.2 实现过程50-52
• 4.5.3 实验结果与分析52
• 4.6 本章小结52-53
• 第5章 总结与展望53-54
• 5.1 工作总结53
• 5.2 研究展望53-54
• 参考文献54-58
• 致谢58-59
• 攻读学位期间所开展的科研项目和发表的学术论文59

，

本文编号：722157