论文部分内容阅读
随着全球经济不断发展,汽车保有量不断增加,道路拥堵与交通事故频繁发生影响着人们的出行效率,随之产生的环境问题也影响了人类的健康。智能交通系统在此背景下引起了各国的广泛关注,交通标志识别系统作为智能交通系统的重要组成部分,其研究不仅具有较高的学术价值,还有重要的实际应用价值和社会价值。道路交通标识是驾驶员或行人与道路环境沟通的信息载体,它一方面起到指引方向的作用,另一方面起到规范道路使用者行为的作用。 本文对交通标志识别系统中的几项关键技术展开研究,具体研究工作如下: 1.研究了基于颜色和形状特征的交通标志检测算法,针对RGB颜色空间模型易受光照影响的现象,采用基于HSV颜色空间和Lab颜色空间的分割算法,对二值图像处理后结合形状特征得到初步感兴趣区域。 2.针对广告牌和车牌等与标志相似背景的干扰问题,采用一种基于证据理论的交通标志定位方法,通过对候选区域对象的长宽比与信息熵构造基本可信度分配,排除广告牌车牌等干扰背景,提高定位精度。 3.研究了交通标志的特征提取方法,采用多种特征融合的方法,研究了一种改进的自适应权值HOG-LBP特征融合算法,通过对融合特征增加颜色信息,提高分类器对不同类型标志的识别准确率。 4.研究了基于支持向量机的交通标志分类算法,建立了交通标志样本库,构造一对一与二叉树结构SVM对分类器进行训练与识别,利用类距离作为二叉树的生成算法,通过对比实验表明其优势。 5.针对视频帧图像每一帧检测影响系统实时性的问题,研究了交通标志的跟踪算法,采用卡尔曼滤波算法对交通标志进行跟踪,提高了系统的实时性。需要采取制动或减速行为时,根据车辆制动模型计算视频图像中标志被识别出的最低时间阈值,量化系统实时性标准。