交通标志识别及其算法研究

论文摘要

交通标志的实时识别是通过安装在交通工具上的摄像机摄取户外自然场景中交通标志图像,输入计算机进行处理完成的,由于户外环境存在多种复杂因素的影响,它比非自然场景下的目标识别更具挑战性。本学位论文结合中国的实际,在交通标志图像库的建立、交通标志图像的预处理算法、交通标志图像的特征提取、交通标志的分类算法以及最后交通标志的判别方法等方面做了一些工作,本文研究内容和取得的主要成果如下：1)由于交通标志的具体形式各国不尽相同,并且国内关于交通标志识别的起步较晚,因此目前国内还没有公开发布的交通标志的数据库。本文对交通标志图像库的建立采取两种方式,第一种方式通过对标准图的图像预处理变换(如旋转、扭曲、加入噪声)来扩充交通标志图库的数量,提高识别的鲁棒性；第二种方式通过不同角度和距离实地拍摄交通标志,然后将拍摄的交通标志图像用实验室的交通标志检测算法把实景图中的交通标志截取出来组成交通标志图库。2)针对交通标志的分类问题和准备识别的交通标志,本文归纳总结了一种由粗到精的分层分类策略并将其应用到交通标志的识别上,根据基于颜色和形状的交通标志检测方法将要识别的交通标志按颜色和形状首先粗分类为六大类,然后再对每一类采用识别算法进行识别,从而提高了分类速度和鲁棒性。3)将Gabor特征提取和二维的主成分分析应用到交通标志的识别上,并基于光照控制预处理、Gabor特征提取、二维的主成分分析、分类方法(包括模板匹配、BP神经网络以及支持向量机)等理论,提出了四种交通标志牌的识别方法。而后针对不同图像库使用同一方法做了对比实验,发现经过光照控制的图像库的对提高方法识别率有较大帮助,并且在同一图像库条件下,对四种不同方法在识别率和运行时间上做了对比。4)在降低交通标志识别的错误识别率和加大正确检测与误检测图像的特征区分度方面做了研究,首先根据前期检测到的标志和误检测的图像之间区分度不高的问题,引入了特征向量的单位化,增加Gabor特征提取获取图像的纹理特征以增加标志图像与误检测图像之间区分度,并设定了判断表达式,通过实验证明该方法对交通标志识别的最终判别达到了很好的效果。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 交通标志简介
• 1.3 交通标志识别的研究目的及意义
• 1.4 交通标志识别的国内外研究现状
• 1.4.1 国外研究现状
• 1.4.2 国内研究现状
• 1.5 交通标志识别存在的问题
• 1.6 关于项目要求
• 1.7 论文安排
• 第二章 交通标志识别的技术理论
• 2.1 交通标志识别系统的框架
• 2.2 交通标志的采集与标志数据库
• 2.3 交通标志图像预处理
• 2.4 交通标志图像特征提取概述
• 2.5 交通标志的识别方法
• 第三章 交通标志图像的特征提取
• 3.1 特征的特点
• 3.2 线性特征提取
• 3.2.1 二维主成分分析方法（2DPCA）
• 3.2.2 Gabor特征提取
• 第四章 交通标志分类算法研究
• 4.1 自制交通标志图像库的简单介绍
• 4.2 二维主向量分析、模板匹配识别
• 4.3 二维主向量分析、BP神经网络识别
• 4.4 二维主向量分析、支持向量机的交通标志识别
• 4.5 Gabor特征提取、二维主向量分析的模板匹配
• 4.6 实验结果分析
• 第五章 系统的设计实现
• 5.1 交通标志分类系统设计
• 5.2 项目交通标志数据库及相关识别实验
• 5.3 误识率限制策略及系统实现
• 5.4 实验结果分析
• 第六章 总结与展望
• 6.1 论文主要工作和结论
• 6.2 后续工作展望
• 参考文献
• 致谢
• 攻读学位期间主要的研究成果