自然環(huán)境下道路交通標(biāo)志的檢測(cè)與識(shí)別研究.pdf

1、交通標(biāo)志識(shí)別是智能交通系統(tǒng)(ITS)的重點(diǎn)研究方向之一，該技術(shù)可以應(yīng)用到無(wú)人駕駛車輛和駕駛員輔助系統(tǒng)，為自動(dòng)或半自動(dòng)駕駛車輛提供有用的道路信息。經(jīng)過(guò)國(guó)內(nèi)外學(xué)者幾十年的研究，交通標(biāo)志識(shí)別領(lǐng)域的理論和實(shí)踐體系逐漸形成，并取得了很多突破性的進(jìn)展。本文主要針對(duì)交通標(biāo)志識(shí)別中的檢測(cè)、特征提取和分類方法進(jìn)行了研究。
　　在交通標(biāo)志檢測(cè)階段，針對(duì)交通標(biāo)志的顏色和形狀特點(diǎn)，本文提出了一種基于顏色分割和局部Hough變換的交通標(biāo)志檢測(cè)方法，首先對(duì)交

2、通標(biāo)志圖像進(jìn)行顏色分割，對(duì)分割得到的二值圖像進(jìn)行輪廓跟蹤提取候選區(qū)域，然后依據(jù)候選區(qū)域的RGB均值對(duì)其進(jìn)行形狀預(yù)分類，接著運(yùn)用局部Hough對(duì)歸一化的候選區(qū)域進(jìn)行形狀的檢測(cè)，最后定位交通標(biāo)志區(qū)域。
　　在進(jìn)行特征提取時(shí)，主要研究了局部核Fisher鑒別分析，分別對(duì)基于子模式的核Fisher鑒別分析(Sp-KFDA)和基于模塊的核Fisher鑒別分析(MKFDA)進(jìn)行了分析。結(jié)合交通標(biāo)志信息分布的特點(diǎn)，提出了一種基于自適應(yīng)加權(quán)的模塊

3、核Fisher鑒別分析(Aw-MKFDA)進(jìn)行交通標(biāo)志識(shí)別，通過(guò)在K近鄰分類器上的比較實(shí)驗(yàn)表明，本文提出的Aw-MKFDA方法比Sp-KFDA方法和MKFDA方法具有更高的識(shí)別率。
　　通過(guò)對(duì)分類錯(cuò)誤樣本的分析，我們發(fā)現(xiàn)相似類是導(dǎo)致分類錯(cuò)誤的一個(gè)重要原因。為了解決由于相似性引起的誤分類問(wèn)題，本文提出了基于相似類劃分的兩階段交通標(biāo)志識(shí)別。該方法將交通標(biāo)志識(shí)別過(guò)程分為兩個(gè)階段:第一階段用稀疏表示進(jìn)行相似類的大類識(shí)別;第二階段用稀疏表示

4、進(jìn)行相似類里的具體類別識(shí)別。在稀疏方法用于交通標(biāo)志識(shí)別的過(guò)程中，本文提出采用局部字典代替常用的全局字典，解決了交通標(biāo)志大樣本引起的字典過(guò)大問(wèn)題。實(shí)驗(yàn)結(jié)果表明，本文提出的基于相似類劃分的兩階段交通標(biāo)志識(shí)別方法能夠有效的提高交通標(biāo)志的識(shí)別率。
　　最后，本文采用無(wú)人駕駛平臺(tái)實(shí)時(shí)采集的交通標(biāo)志場(chǎng)景圖像進(jìn)行了綜合實(shí)驗(yàn)，對(duì)本文提出的檢測(cè)和識(shí)別方法進(jìn)行了驗(yàn)證，并將稀疏表示和局部KFDA的識(shí)別方法進(jìn)行組合，提出了一種基于投票的組合方法。實(shí)驗(yàn)結(jié)果