道路交通标志的检测与识别

论文摘要

随着城市化的发展,智能交通系统已经成为解决城市道路交通的重要手段.智能交通系统（ITS: Intelligent Transportation System）是集通讯、检测、控制与计算机等技术为一体的综合信息管理系统.随着智能交通系统的发展,“智能车（无人驾驶车）”也应运而生.反之,智能车研究日益成熟也推动智能交通系统的发展.基于计算机视觉的自然场景下的交通标志识别是智能车辆研究的关键技术和难点之一.尽管国内外很多专家花费了很多年的时间研究,但问题仍没有很好的解决,因此至今对它的研究仍然引起了我们的关注.本论文就交通标志检测和识别进行了以下几个方面的研究:（1）目前我们采集到的自然场景下的交通标志均为RGB空间内的彩色图像,根据交通标志的颜色特征,将图像在RGB空间内各个通道的特征进行分析,发现3个通道的差值保持在一定的范围内,根据这一特征通过合适的阈值可以达到很好的效果.如果光照条件不正常则需进行匀光的图像增强操作.（2）对第一步分割后的图像进一步分析,得知图像分割后会出现大量噪声,这对后续的识别造成很大障碍.本文采取连同区域填充和面积阈值的方法去除大面积和小面积的噪声点.通过进一步观察交通标志的特征,不难发现交通标志的形状具有规则的几何外形.例如禁令标志,它的外形为圆形.从数学角度出发,本文提出了基于切线斜率变化统计的交通标志形状检测算法,从而精确定位交通标志.（3）交通标志识别是最终将检测到的交通标志确定为何种交通标志的过程.交通标志识别的方法很多,例如:模板匹配算法、聚类分析、人工神经网络等.目前国内外研究最新的方法是基于SIFT-匹配的识别算法.本文在SIFT算法基础上,提出了基于A-SIFT匹配的交通标志识别算法.实验结果表明,本文的算法对交通标志识别具有较好的鲁棒性.

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的背景及意义
• 1.2 国内外研究现状和进展
• 1.2.1 交通标志检测的研究进展
• 1.2.2 交通标志识别研究进展
• 1.3 本文的主要内容和安排
• 第2章 道路交通标志检测和识别基础知识
• 2.1 国内交通标志大致可分为以下几类
• 2.2 各种色彩空间模型及其特点
• 2.2.1 RGB 色彩空间模型的分析
• 2.2.2 HIS（HSV）空间模型的分析
• 2.2.3 CIE 空间模型分析
• 第3章 基于斜线斜率变化统计的交通标志检测
• 3.1 交通标志图像预处理
• 3.1.1 RGB 色彩空间初定位
• 3.1.2 小面积噪声去除
• 3.2 基于斜率统计的交通标志检测
• 3.3 基于斜率统计的圆与三角形目标检测
• 3.4 目标区域定位
• 3.5 实验与分析
• 第4章 基于A-SIFT 的交通标志识别
• 4.1 基于SIFT 的交通标志识别
• 4.1.1 SIFT 特征匹配的特点
• 4.1.2 尺度空间的极值点检测
• 4.1.3 SIFT 特征匹配算法的步骤
• 4.1.4 实验结果与分析
• 4.2 基于A-SIFT 的交通标志识别
• 4.2.1 相机仿射模型
• 4.2.2 图像仿射变换倾斜度变换
• 4.2.3 ASIFT 匹配
• 4.3 实验及分析
• 4.4 本章小结
• 结论
• 参考文献
• 致谢