论文部分内容阅读
交通标志识别是智能交通系统(ITS)中的一个重要组成部分。经过国内外学者几十年的研究,交通标志识别领域的理论和实践体系逐渐形成,并取得了很多突破性的进展。然而自然场景具有复杂性以及交通标志种类繁多,使得交通标志的识别依然具备挑战性。本文主要针对交通标志的多类别,研究通过两阶段的方法识别交通标志。首先,从交通标志的功能类别出发,设计了基于PCA-LDA的两阶段交通标志识别方法。功能相近的交通标志一般具有相似的图案设计,因此,根据功能类别将交通标志划分为限速、警告、指示以及无规则四个相似的子类进行识别。首先采用结合PCA与LDA的方法对交通标志进行快速的预分类,即得到交通标志的所属子类；然后采用稀疏表示的方法进行子类内类别识别,得到交通标志具体所属的类别。实验表明,基于PCA-LDA的两阶段交通标志识别方法在识别准确率上要优于PCA与LDA结合的方法以及基于局部字典的两阶段稀疏表示等方法。然后,根据交通标志的形状以及颜色特征对交通标志的子类划分进行了调整,分为了红色圆形、红色正三角形、蓝色圆形、白色圆形以及无规则五个相似的子类。在第一阶段中采用HOG特征与SVM分类器对交通标志进行预分类；第二阶段中提出了相似类核心区域的提取方法,并采用稀疏表示的方法进行子类内类别识别。通过实验表明,在使用相同特征提取方法的基础上,基于颜色与形状的相似子类划分方案要优于基于功能类别的子类划分方案,而在同种相似子类划分的基础上,基于HOG特征方法的子类识别效果要优于基于PCA-LDA方法,同时在最终的两阶段识别上也取得了更好的效果。最后,提出了基于多特征融合的两阶段交通标志识别。在第一阶段识别过程中,可以分别以颜色特征与边缘特征作为依据进行子类的识别,然而单一特征难以全面描述交通标志,因此在第一阶段中采用融合颜色直方图以及HOG边缘特征的方法对交通标志进行预分类；第二阶段中采用融合LBP纹理特征与HOG边缘特征对交通标志各子类内的类别进行识别。实验表明,特征融合方法能够获得更高的识别率以及更好的鲁棒性,识别率达到96.9%。