端对端的交通标志识别算法研究

来源 :厦门大学 | 被引量 : 0次 | 上传用户:linsible1
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
伴随着汽车保有量的快速增长,智能化的驾驶辅助系统获得了广泛关注。交通标志识别作为智能交通系统(Intelligent Transportationsystem,ITS)的一个重要组成部分,在上个世纪70年代即开始了相关研究。基于视觉内容的交通标志识别研究虽然经历了近半个世纪,但该问题仍然没有被很好的解决,特别是面向实际应用的真实自然场景的交通标志检测与识别成为模式识别领域的难点之一。由于受复杂的道路状况、背景干扰、天气和光照等因素影响,以及交通标志的种类繁多且类别间相似度高,都为检测和识别带来了极大的挑战。本文深入分析了自然场景下影响交通标志识别的两个关键因素:特征和分类器,综合考虑了交通标志的检测和识别性能,设计了端到端的多类别交通标志识别系统,并且在自然场景数据库中对其进行了验证。本文的主要贡献如下:  一、提出了融合颜色信息的交通标志多特征描述方法。由于颜色信息对于交通标志的辨别具有重要的指导作用,本文在交通标志的纹理特征描述中融合了颜色信息,针对检测和识别的任务设计不同的特征表示方式,实验表明融合颜色信息的特征描述提高了检测和识别的准确率。  二、提出一种Hardtraining的训练方式,将分类错误的样本不断加入训练集进行训练,获得分层Boosting分类器。实验表明,该步骤在保证召回率的基础上极大的提高了检测精度。同时,对漏检区域进行区域扩展,并使用基于纹理特征的级联分类器进行区域再检测,使得检测的整体召回率有较大的提高。  三、提出了基于颜色HOG,颜色LBP的多特征表示和随机森林分类器的多类交通标志识别算法。针对几十类交通标志使用随机森林结合颜色HOG和LBP特征描述进行分类,并应用决策树的袋外数据进行特征选择,降低计算复杂度并提高分类的准确率。  本文在综合分析交通标志检测阶段和识别阶段的关键因素的基础上,设计了从检测到识别的端对端的算法框架,提高了算法的性能和运行效率。
其他文献
作为信息安全的热点研究领域之一,安全多方计算(Secure Multiparty Computation)主要研究多方合作计算问题,即分布式网络中互不信任的两个或者多个参与者合作执行某种计算任
膜计算(又称P系统)是从生命细胞的结构与功能以及组织和器官中细胞群的协作中抽象出来的计算模型。P系统是一类分布式、并行性计算模型。从结构上看,P系统有三种形式:细胞型P系统
垃圾网页是指网页制造者采用迷惑或欺骗搜索引擎的手段,使得网页在检索结果中的排名高于实际排名的行为。这种页面不仅影响搜索引擎检索的准确率和效率,也严重恶化了用户的搜
随着嵌入式技术、传感器技术、网络技术以及无线通信技术的不断发展,无线传感器网络作为一种新兴的“智能”网络受到了人们广泛的关注。无线传感器网络已经应用到了人类生产
闪存作为一种新型的非易失性固态存储器,由于其体积小、非易失、读写速度快、抗震性强以及能耗低等优良特性被广泛应用于各领域的存储产品中,尤其是近年来基于闪存的固态硬盘技
二维动画以其独特的风格深深吸引着广大爱好者和研究者,由于其具有丰富的表现力,因此也别广泛应用于娱乐、广告、教育等领域。但是,由于二维动画的制作过程十分复杂,产生的周期长
本文研究的是单帧图像的超分辨率重建问题。重点关注图像柔边重建效率和稀疏重建算法,并在改进的基础上将它们联合起来,其中柔边重建关注的是柔化边缘锯齿,稀疏重建运用字典库的
在软件系统中,有许多需要定期执行的任务。按照当前的业界通用做法,这些任务主要是通过操作系统的定时调度服务来运行的,如Unix和Linux系统的crond服务。这种方式相对简单,对小型
数据库自然语言接口(NaturalLanguageInterfacetoDatabase,NLIDB)因其简化了人机交互的过程,使用户可以用自己熟悉的语言查询数据库而广受欢迎,因而自然语言查询接口的研究具有
海量数据是数字时代明显的特征,数据大规模增长使得数据处理变得异常困难,样例选择是处理海量数据的主要方法之一。样例选择的目的是去除原始数据集中的冗余样例和噪音样例,从而