交通標志檢測與分類算法研究.pdf

1、交通管理及交通安全問題正受到人們越來越多的關注。在此背景下,智能交通系統(tǒng)的概念應運而生。智能交通系統(tǒng)將信息、通訊、控制及計算機等技術有效集成于現有交通運輸管理體系,從而建立起一種安全、高效、可靠的綜合運輸管理系統(tǒng)。作為智能交通系統(tǒng)的一部分,交通標志識別系統(tǒng)在駕駛輔助、交通標志維護、自動駕駛等多方面具有重要作用。然而,真實交通場景復雜多變,光照條件、天氣條件、局部遮擋、背景色相似干擾、陰影干擾等問題使交通標志識別系統(tǒng)的研究遠未達到成熟。針

2、對這種情況,本文對惡劣天氣下的圖像復原、交通標志檢測、交通標志分類三個方面展開了研究。
　　首先,本文研究惡劣天氣條件的圖像復原問題,提出了一種基于平滑區(qū)域分割的霧、霾、沙塵天氣圖像復原算法。由于交通標志識別系統(tǒng)通常需要在室外環(huán)境下工作,要能夠適應霧、霾、沙塵等各種惡劣天氣條件。本文通過對現有的幾種復原算法的分析,指出了現有算法的內在聯系及不足,并在暗通道假設算法的基礎上,提出一種基于平滑區(qū)域分割的圖像復原算法,解決了原算法復原天

3、空區(qū)域失真、白色物體偏暗、光暈抑制不足等問題。實驗結果表明,本文算法能夠顯著提升霧、霾、沙塵等天氣條件下的圖像的清晰度,從而提高交通標志檢測及分類的準確率。
　　其次,本文對交通標志檢測問題進行深入研究,并分別基于顏色、形狀、模板特征提出三種有效的交通標志檢測算法。交通標志檢測的任務是從輸入圖像找出所有包含交通標志的區(qū)域。本文提出的基于顏色的檢測算法針對禁令標志的特點,通過檢測圖像中的紅色圓孔定位標志區(qū)域,有效解決了背景色相似及多

4、標志相連等問題;基于形狀的檢測算法通過檢測圖像中的橢圓定位圓形標志,利用文中提出的基于有序合并的橢圓檢測算法實現了快速、準確的圓形標志檢測;基于模板的檢測算法采用多分辨率滑窗架構,將檢測過程分為小窗粗篩選和大窗細篩兩個步驟,實現了任意顏色、形狀交通標志的高準確率檢測。實驗結果表明,三種算法均有較高的檢測準確率,能夠適應惡劣光照、遮擋、旋轉等多種不利條件。
　　接下來,本文針對交通標志分類問題,提出一種基于支持向量機的逐級細化的分類

5、算法。交通標志分類的任務是分析包含交通標志的區(qū)域,并判斷區(qū)域中標志的具體類別。本文通過研究現有的標志分類算法,指出影響分類正確率的主要原因,并在此基礎上提出一種逐級細化的分類算法。算法首先將交通標志粗分為若干大類,而后針對各類的特點對標志進行形狀校正,最后對校正后的標志細分類得出最終結果。實驗結果表明,本文算法的分類正確率高于現有其它算法,對多種不利條件具有良好的適應能力。
　　最后,本文面向體積、功耗受限的車載環(huán)境,研究交通標志

6、識別系統(tǒng)的嵌入式實現問題,并基于FPGA(FieldProgrammableGateArray)設計其中運算量最大的兩個模塊:向導濾波器及交通標志檢測模塊。其中向導濾波器用于圖像復原,本文基于積分圖像方法設計了一種高效、靈活、低延遲的VLSI(VeryLargeScaleIntegration)結構,對640×480圖像的檢測速度達到300幀/秒,且不需要片外存儲器;交通標志檢測模塊通過挖掘圓霍夫變換的局部化特點,充分利用FPGA的并行

7、能力,實現了禁令標志的高速、高準確率的檢測,對640×480圖像的檢測速度達到374幀/秒。
　　本文提出的交通標志檢測算法參加了2013年舉行的德國交通標志檢測競賽(GermanTrafficSignDetectionBenchmark,GTSDB),并取得了兩項第1、一項第3的好成績,詳細結果見3.6節(jié)。
　　本文提出的交通標志分類算法在德國交通標志分類數據集(GermanTrafficSignRecognitionBe