基于支持向量機的多特征交通標志識別的研究與實現(xiàn).pdf

1、隨著人們生活生平的提高，汽車逐漸普及，越來越成為人們喜愛的交通工具。隨之而來的交通安全問題也備受關(guān)注，交通事故的發(fā)生率每年都有所增加，盡管有交通法規(guī)的約束以及道路交通標志的提醒和警告，似乎還是不能夠做到時刻警醒駕駛員注意交通安全。隨著近年來輔助駕駛、無人駕駛以及道路交通標志自動檢測等概念的提出，使得交通標志識別(Traffic Sign Recognition，TSR)的研究具有極其重要的現(xiàn)實意義和實際應(yīng)用價值。
　　交通標志識別

2、主要涉及兩大方面:交通標志檢測以及交通標志具體內(nèi)容的識別。鑒于交通標志明顯的顏色特征和形狀特性，檢測階段主要以顏色作為主要依據(jù)對圖像進行維持色彩的增強，利用顏色的灰度值計算的雙閾值對圖像進行二值化，然后采用經(jīng)驗閾值與自適應(yīng)閾值相結(jié)合的面積閾值篩選方法對分割出的感興趣區(qū)域進行進一步甄選，其中面積比較大的符合比例要求的區(qū)域?qū)ζ溥M行區(qū)域分割，并判斷識別，以確定其內(nèi)部是否包含交通標志。分類識別階段，則采用支持向量機的訓練學習機制來進行。第一步，

3、先進行形狀的區(qū)分，通過邊緣方向直方圖進行邊緣輪廓的特征提取，進而利用SVM進行分類;第二步，針對交通標志內(nèi)部區(qū)域信息進行Hu不變距和Zernike矩的描述，再次通過訓練的支持向量機分類器進行判別，從而確定交通標志的準確信息。在支持向量機的形狀分類過程中，針對邊緣的提取對樣本進行處理以及根據(jù)邊緣輪廓特征值進行加權(quán)判別，找出每個形狀的決定性特征，進行權(quán)值的分配，從而提高識別率;在區(qū)域信息的識別過程中將由低階矩構(gòu)造出來的Hu不變矩和Zerni