基于機(jī)器學(xué)習(xí)的道路標(biāo)志檢測(cè)與識(shí)別技術(shù).pdf

1、TSR(Traffic Sign Recognition,TSR)系統(tǒng)主要通過車載成像系統(tǒng)捕獲道路場(chǎng)景信息，并從中識(shí)別出交通標(biāo)志，達(dá)到提高駕駛安全的目的。所以，交通標(biāo)志識(shí)別系統(tǒng)在輔助車輛智能駕駛和提高駕駛安全性方面發(fā)揮著重要作用，具有非?，F(xiàn)實(shí)的研究意義。本文針對(duì)自然場(chǎng)景下光照條件變化、交通標(biāo)志周圍存在與其顏色相似的噪聲干擾、局部封閉等情況對(duì)TSR系統(tǒng)的識(shí)別率造成的影響，以系統(tǒng)的準(zhǔn)確率為主要目標(biāo)，進(jìn)行了比較深入的研究，其主要貢獻(xiàn)和研究工作

2、包括：
　　1）針對(duì)自然場(chǎng)景中光照條件劇烈變化、交通標(biāo)志周圍存在與其顏色非常相似的背景干擾等因素，給交通標(biāo)志檢測(cè)的準(zhǔn)確率帶來的影響，提出一種基于邊緣增強(qiáng)型MSER(maximally stable extremal regions)特征的交通標(biāo)志檢測(cè)方法。該方法首先采用灰度世界法對(duì)圖像進(jìn)行光照平衡預(yù)處理，并對(duì)預(yù)處理后的圖像進(jìn)行顏色增強(qiáng)和形態(tài)學(xué)濾波，明顯區(qū)分交通標(biāo)志和環(huán)境背景；然后，通過邊緣增強(qiáng)型MSER特征，定位顏色增強(qiáng)圖像中的標(biāo)

3、志ROI(regions of interest)候選區(qū)域；最后對(duì)這些候選區(qū)域使用一種基于霍夫變換的形狀分析方法進(jìn)行篩選處理。經(jīng)基于公開的GTSDB(German Traffic Sign Detection Benchmark)數(shù)據(jù)集進(jìn)行的對(duì)比實(shí)驗(yàn)結(jié)果，表明本文方法相較于同類型的檢測(cè)方法，在準(zhǔn)確率上提升了20％左右。
　　2）針對(duì)戶外場(chǎng)景中拍攝視角、運(yùn)動(dòng)模糊以及局部遮擋等因素對(duì)交通標(biāo)志檢測(cè)準(zhǔn)確率造成的影響，我們根據(jù)交通標(biāo)志外圍形

4、狀的雙邊對(duì)稱性，提出了一種基于相位對(duì)稱性的道路標(biāo)志檢測(cè)算法。該方法首先根據(jù)標(biāo)志的顏色信息，對(duì)圖像做紅藍(lán)化預(yù)處理，區(qū)分標(biāo)志和環(huán)境背景；然后，通過對(duì)紅藍(lán)化圖像做相位對(duì)稱性檢測(cè)，高亮突顯具有對(duì)稱性的局部紅藍(lán)化圖像區(qū)域；最后采用MSER特征檢測(cè)，提取圖像中的標(biāo)志ROI候選區(qū)域，并通過經(jīng)驗(yàn)性幾何條件約束，對(duì)候選區(qū)域做進(jìn)一步篩除以得到更可靠的標(biāo)志候選區(qū)域。通過在GTSDB數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證，該方法對(duì)交通標(biāo)志的檢測(cè)率到達(dá)94%。
　　3）在上述