自然環(huán)境下道路交通標(biāo)志的檢測(cè)與識(shí)別.pdf

1、據(jù)相關(guān)機(jī)構(gòu)統(tǒng)計(jì)全世界每年有130萬(wàn)人左右因?yàn)榈缆方煌ㄊ鹿识鴨适д滟F的生命，其中與駕駛員自身因素相關(guān)的酒后或疲勞駕駛、超速行駛等成為了這些交通安全事故的主要誘因。交通事故不僅會(huì)造成巨大的經(jīng)濟(jì)損失，更重要的是會(huì)無(wú)情地奪取人類寶貴的生命，因此道路交通安全問(wèn)題已不再是某個(gè)國(guó)家面臨的問(wèn)題，而是需要全世界各國(guó)共同解決的。為了有效提高道路交通安全和運(yùn)輸效率，降低事故發(fā)生頻率，保障人們的人身財(cái)產(chǎn)安全，智能交通系統(tǒng)應(yīng)運(yùn)而生。交通標(biāo)志識(shí)別系統(tǒng)是智能交通系統(tǒng)

2、諸多先進(jìn)技術(shù)領(lǐng)域中的一個(gè)重要分支，在無(wú)人駕駛車輛、智能機(jī)器人、輔助駕駛系統(tǒng)、輔助道路標(biāo)志規(guī)劃、導(dǎo)盲機(jī)器人等方面都具有廣闊的發(fā)展和應(yīng)用前景。因此對(duì)于交通標(biāo)志識(shí)別系統(tǒng)相關(guān)技術(shù)的研究和探索非常具有學(xué)術(shù)意義和實(shí)用價(jià)值。
　　本文以城市道路中常見(jiàn)的指示、禁令以及警告標(biāo)志為研究對(duì)象，針對(duì)大場(chǎng)景自然環(huán)境下的道路交通標(biāo)志的檢測(cè)與識(shí)別問(wèn)題展開(kāi)研究和討論，主要從高分辨率大場(chǎng)景下的快速交通標(biāo)志檢測(cè)、多類別交通標(biāo)志的魯棒識(shí)別和交通標(biāo)志識(shí)別系統(tǒng)平臺(tái)的設(shè)計(jì)與

3、搭建這三個(gè)方面作了深入研究和探索。
　　在交通標(biāo)志檢測(cè)方面，為解決傳統(tǒng)的基于機(jī)器學(xué)習(xí)的交通標(biāo)志檢測(cè)方法需要對(duì)每一個(gè)待檢測(cè)子窗口進(jìn)行處理而導(dǎo)致算法實(shí)時(shí)性欠佳的問(wèn)題，提出了顏色增強(qiáng)下的MSER提取標(biāo)志候選區(qū)域結(jié)合線性SVM的快速交通標(biāo)志檢測(cè)方法。該方法根據(jù)標(biāo)志的顏色進(jìn)行顏色增強(qiáng)，對(duì)增強(qiáng)圖像提取MSER得到交通標(biāo)志感興趣區(qū)域，然后在大場(chǎng)景高分辨率圖像的多尺度滑動(dòng)遍歷檢測(cè)搜索過(guò)程中僅對(duì)包含交通標(biāo)志候選區(qū)域的滑動(dòng)窗口進(jìn)行HOG特征的提取和S

4、VM分類判別，而對(duì)非標(biāo)志候選區(qū)域的滑動(dòng)窗口則不進(jìn)行特征提取和分類判別。實(shí)驗(yàn)結(jié)果表明:改進(jìn)的MSER+HOG+SVM方法在獲得了較高的檢測(cè)準(zhǔn)確率以及較低的誤檢率的前提下，運(yùn)算速度上有較大提升，且魯棒性較好。
　　在多類別交通標(biāo)志識(shí)別方面，提出了融合全局特征和局部特征的多特征交通標(biāo)志分類識(shí)別方法，有效地提升了識(shí)別度。該方法首先分別提取能夠描述標(biāo)志圖像內(nèi)部紋理信息的LBP特征、表示標(biāo)志圖像形狀信息的HOG特征以及描述圖像粗略輪廓信息的全

5、局Gist特征，然后采用線性組合方式，實(shí)現(xiàn)特征融合互補(bǔ)，并通過(guò)主成分分析方法進(jìn)行數(shù)據(jù)降維，最后采用支持向量機(jī)分類器進(jìn)行交通標(biāo)志訓(xùn)練與識(shí)別。實(shí)驗(yàn)結(jié)果表明:相對(duì)于提取單一特征的交通標(biāo)志識(shí)別方法，基于多特征融合的算法獲得了更高的識(shí)別精確度，同時(shí)也滿足實(shí)時(shí)性要求。
　　最后，本文以輪式機(jī)器人為主要硬件基礎(chǔ)，利用Microsoft Visual Studio2010結(jié)合OpenCV開(kāi)源視覺(jué)庫(kù)設(shè)計(jì)了基于MFC對(duì)話框的交通標(biāo)志識(shí)別系統(tǒng)應(yīng)用程序以