基于DPM的交通標志檢測算法研究.pdf

1、交通標志檢測和識別是智能交通系統(tǒng)的重要子系統(tǒng)。交通標志檢測判斷圖像中是否存在交通標志，交通標志識別判斷檢測到的交通標志的意義。交通標志檢測非常重要，它可以為駕駛員提供警示信息，并且大大降低了識別階段的數據計算量。然而，交通標志圖像是用車載相機在交通道路采集的，戶外環(huán)境復雜，光照變化，遮擋，尺度變化等成為交通標志檢測面臨的主要挑戰(zhàn)。本文針對交通標志檢測進行了研究，主要工作如下:
　　1.利用交通標志紅、藍、黃的顏色特點，設計了基于N

2、RB(Normalized-Red-Blue)的交通標志圖像局部增強算法和基于FT(Frequency-Tuned)視覺顯著性的交通標志圖像全局增強算法，兩種增強算法相結合能夠有效抑制背景區(qū)域增強交通標志區(qū)域，克服光照變化的影響。
　　2.研究了DPM(Deformable Part-based Models)目標檢測模型，首次將DPM模型應用于交通標志檢測。根據交通標志的形狀特點將交通標志分為圓形，三角形，倒三角形，菱形，正八邊

3、形五大類。設計了針對這些形狀的DPM單一模型和混合模型?；贚atent SVM(Support Vector Machine)機器學習方法訓練DPM模型，并利用該模型對交通標志檢測，實驗表明本文設計的DPM模型可以有效檢測這五種形狀的交通標志。
　　3.對遮擋交通標志中遮擋物的形狀，面積，位置，顏色等特點進行了研究。為了豐富遮擋類型，建立了遮擋交通標志檢測數據集。在此基礎上利用DPM模型研究了遮擋交通標志檢測問題，與現有的檢測方