支持向量機在交通標志識別中的應用.pdf

1、隨著社會的進步與經(jīng)濟的快速發(fā)展，城市交通擁擠與堵塞現(xiàn)象日趨嚴重，成為現(xiàn)代城市發(fā)展的主要瓶頸之一，交通安全事故亦引起各國社會的普遍關注。在這種情況下，人們開始投入智能交通系統(tǒng)(ITS)的研究，智能交通系統(tǒng)(ITS)包括智能基礎設施和智能車輛，其核心技術涉及模式識別、圖像處理、數(shù)字信號處理、人工智能、電子技術、信息技術、通信技術和系統(tǒng)工程技術等，是一門綜合性技術。目前，各國都在致力于ITS的研究和構架。 道路交通標志識別(TSR)系

2、統(tǒng)是智能車輛的重要組成部分，它在車輛行駛過程中對出現(xiàn)的交通標志信息進行采集和識別，可及時地向駕駛員做出指示或警告，或者直接控制車輛的操作，以保持交通通暢和預防事故的發(fā)生。 交通標志識別的重點和難點在于交通標志的分割、特征提取以及分類識別器的設計。 本文在將交通標志從復雜的背景中進行分割的研究中，通過對交通標志外形特點和色彩特征的研究，提出了一種減弱光照影響的基于RGB模型的交通標志分割方法。在RGB模型中R，G，B分量極

3、易受光照的影響，但是三種色彩對應下分量的差值卻保持在一定的范圍之內(nèi)，即受光照影響不大。這就是本文提出的基于RGB模型的交通標志分割新方法。該方法可以直接對采集到的圖像進行分割，避免了計算量復雜的模型轉換，提高了算法的運算效率。在此基礎上，本文對大量交通標志進行了圖像分割實驗，實驗表明這種方法對交通標志的分割效果很好。 特征提取是構造交通標志識別器的前提，提取能夠表達交通標志類型的特征對交通標志識別器尤為重要。由于物體的不變矩具有

4、尺度、平移和旋轉不變性，所以不變矩在目標識別中的應用廣泛。本文通過對不變矩理論的研究，將Hu不變矩進行推廣，得到10個相對矩，這10個相對矩同樣具有尺度、平移和旋轉不變性。由于采用矩之間的比值去掉了比例因子μ<,00>，從而使不變矩公式與面積或結構的比率縮放無關，所以也適用于區(qū)域封閉和不封閉的結構。本文對部分交通標志提取了相對矩，并對數(shù)據(jù)和不變矩作為交通標志特征的可行性進行了分析。 由于支持向量機的特點以及在模式識別分類中體現(xiàn)出