基于机器视觉的限速标志识别技术研究

发布时间：2022-12-23 19:48

　　社会经济的发展和人民生活水平的提高,使得汽车的保有量不断增加,汽车普及率的提升也使得道路交通承载的压力越来越大。为了缓解交通压力、减少交通事故带来的损失,能够实时提取关键交通信息并及时作出预警的智能驾驶辅助系统的开发成为研究热点。本文以限速标志的自动检测与识别作为研究目的。综合运用机器视觉、图像处理、模式识别、统计学等理论知识,对行驶在真实场景中的车辆获取的图像进行处理。主要的工作和突出贡献如下:（1）提出了基于改进Sobel算法的限速标志检测方法。通过该算法获得边缘二值图,对边缘二值图进行分割得到多个连通区域。基于标志的几何特征对连通区域进行筛选,确定疑似目标区域。（2）提出了基于投影特征的相似性度量算法以及相应的限速标志识别技术。通过对目标数字进行双向投影获取其投影特征,然后用信号相似性度量算法计算与模板特征之间的相似度系数。基于相似度系数实现数字的分类识别。（3）以现有的安卓智能移动终端平台为基础,进行实时的车载测试。在不同自然环境及路况下测试超过30万幅图片,平均运行速度为200ms/帧,满足实时性的要求。在各类环境下的综合检测成功率达到95%以上。实验表明,本文提出的方法识别... 

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 智能交通系统研究简介
        1.2.2 交通标志检测研究现状
        1.2.3 交通标志识别研究现状
    1.3 本文研究的主要内容和难点
    1.4 本文章节安排
第2章 图像预处理
    2.1 图像灰度化
    2.2 图像滤波
    2.3 图像增强
    2.4 边缘检测
        2.4.1 基于一阶微分的边缘检测
        2.4.2 基于二阶微分的边缘增强
        2.4.3 各种边缘检测算子实验结果与分析
    2.5 图像二值化
    2.6 本章总结
第3章 限速标志区域提取
    3.1 交通标志的先验知识
    3.2 限速标志检测系统设计
    3.3 图像分割
        3.3.1 基于颜色特征的图像灰度化
        3.3.2 基于Sobel算子的改进边缘检测算法
        3.3.3 基于几何特征的图像分割
    3.4 限速标志提取效果与分析
    3.5 本章小结
第4章 限速标志识别的关键技术研究
    4.1 限速标志识别系统设计
    4.2 目标区域二值化的改进
    4.3 基于模板匹配的限速标志识别
        4.3.1 模板匹配
        4.3.2 数字特征向量的提取
        4.3.3 构建模板库
    4.4 相似性度量
        4.4.1 相似性度量算法介绍
        4.4.2 相似性系数实验结果与分析
    4.5 分类系统设计
        4.5.1 分类过程简介
        4.5.2 优化匹配速度
    4.6 本章小结
第5章 系统实现与结果分析
    5.1 应用平台简介
    5.2 系统运行结果与分析
    5.3 本章小结
第6章 总结与展望
    6.1 本文工作总结
    6.2 工作展望
致谢
参考文献
研究生期间获得的学术成果


【参考文献】：
期刊论文
[1]基于Trafficnet的交通标志识别分析[J]. 甘晓楠,邓超.  南方农机. 2018(02)
[2]交通标志识别算法模型的研究与实现[J]. 徐彬森,魏元周,毛光明,李曼曼.  软件. 2017(11)
[3]道路交通标志检测研究综述[J]. 高歌,谭兵,陈心睿.  现代商贸工业. 2017(12)
[4]基于卷积神经网络的实景交通标志识别[J]. 吕耀坤.  物联网技术. 2017(01)
[5]形状标记图和Gabor小波的交通标志识别[J]. 谷明琴,蔡自兴,何芬芬.  智能系统学报. 2011(06)
[6]智能交通系统研发历程与动态述评[J]. 王笑京.  城市交通. 2008(01)
[7]几种经典相似性度量的比较研究[J]. 刘宝生,闫莉萍,周东华.  计算机应用研究. 2006(11)
[8]一种融合颜色和空间信息的彩色图像分割算法[J]. 叶齐祥,高文,王伟强,黄铁军.  软件学报. 2004(04)
[9]基于彩色图像的指示标志检测[J]. 郁梅,郁伯康.  计算机工程与应用. 2000(04)

博士论文
[1]城市环境下无人驾驶智能车感知系统若干关键技术研究[D]. 陈龙.武汉大学 2013

硕士论文
[1]基于显著性与卷积神经网络的交通标志检测与识别研究[D]. 王姣姣.长安大学 2017



本文编号：3725323