论文部分内容阅读
随着科技的发展和社会的进步，越来越多的研究人员投入到针对交通标志识别系统的研究工作中。然而自然场景下的道路交通状况非常复杂，想要研发出一套安全有效的道路交通标志识别系统还需要更多研究人员的深入研究。在日趋发达的交通系统中，效果理想的交通标志识别系统可以为人们的日常行车安全提供非常大的帮助，由此可见针对道路交通标志识别系统的研究具有非常重要的实际意义。本文主要针对自然场景下的交通标志识别系统展开研究，着眼于识别系统的准确性和实时性。本文主要研究内容如下：1）针对自然场景下光照条件变化会对道路交通标志检测造成干扰的问题，提出基于多次阈值化的自适应阈值方法来检测交通标志候选区域。首先，根据交通标志自带的颜色信息对输入图像进行红蓝标准化预处理，再进行一定阈值范围的多次阈值化。然后对阈值化图像进行轮廓检测，并加入几何条件约束筛选和Hu不变矩的匹配确定轮廓形状。最后通过条件限定的方法合并多次阈值化后的结果，得到稳定可靠的交通标志感兴趣区域。2）针对中国道路交通标志样本库缺乏的问题，基于标准的中国道路交通标志通过仿射变换、模糊、添加随机背景等方法人工合成一系列样本素材，最终创建了中国道路交通标志样本库。主要思想是通过人工合成的方法不仅节省了建立交通标志样本库时需要花费的大量人力物力，而且很好地解决了因为交通标志图像大小、视角和角度旋转变化等情况所造成的干扰。3）针对上百种道路交通标志识别的问题，本文基于方向梯度直方图（Histogram ofOriented Gradient，HOG）特征结合支持向量机（Support Vector Machine，SVM）分类器的方法来实现对上百种交通标志的快速高效的分类识别。主要思想是交通标志是一个刚性的物体，而HOG特征在对刚性物体的识别上性能良好。同时，HOG特征结合SVM分类器在进行一定优化的情况下可以快速高效的分类识别上百种交通标志，从而很好地实现了对上百种交通标志的实时分类识别。最后，本文在Windows系统下，使用Visual Studio2008编程实现了交通标志识别系统。由自然场景下视频的实验结果证明本文方法具有较好的稳定性、准确率与实时性。