自然場(chǎng)景下退化交通標(biāo)志檢測(cè)算法研究.pdf

1、交通標(biāo)志識(shí)別系統(tǒng)作為智能交通系統(tǒng)的重要組成部分，為駕駛員提供道路場(chǎng)景中交通標(biāo)志的位置和類別。獲取交通標(biāo)志所在位置是交通標(biāo)志識(shí)別的前提，準(zhǔn)確的檢測(cè)結(jié)果能大大提高交通標(biāo)志的識(shí)別效率和準(zhǔn)確率。在實(shí)際交通環(huán)境中，交通標(biāo)志易受到光照、遮擋、陰影、旋轉(zhuǎn)、背景色相似等問題的干擾，嚴(yán)重影響了交通標(biāo)志的檢測(cè)率，我們稱之為退化交通標(biāo)志問題。本文針對(duì)退化交通標(biāo)志的特點(diǎn)，分別從圖像增強(qiáng)、分割、特征提取和分類等方面做了深入的研究，具體的工作為:
　　(1)

2、針對(duì)場(chǎng)景圖中交通標(biāo)志易出現(xiàn)的光照不均、陰影、消色等退化問題，提出了一種歸一化RGB閾值增強(qiáng)算法。該算法在RGB顏色空間中采用歸一化的方式來(lái)消除光照和陰影的影響，又分別使用兩種不同增強(qiáng)方法增強(qiáng)彩色底交通標(biāo)志和白色底交通標(biāo)志（包括消色標(biāo)志），有利于提高這兩類不同底色交通標(biāo)志的檢測(cè)率。該算法能比較好地解決上述退化問題，有效增強(qiáng)交通標(biāo)志候選區(qū)域，抑制背景區(qū)域。
　　(2)針對(duì)交通標(biāo)志與背景顏色相似和多個(gè)交通標(biāo)志互相粘連導(dǎo)致的分割問題，采用

3、了基于區(qū)域檢測(cè)的最大穩(wěn)定極值區(qū)域(Maximally Stable Extremal Regions，MSER)分割算法，能有效分割出交通標(biāo)志候選區(qū)域。但其問題是候選區(qū)域多、運(yùn)算量大，本文對(duì)MSER算法參數(shù)和區(qū)域篩選環(huán)節(jié)進(jìn)行了優(yōu)化，減少了候選區(qū)域，提高了算法效率。
　　(3)針對(duì)交通標(biāo)志局部遮擋的退化問題，基于方向梯度直方圖(Histogram ofOriented Gradient，HOG)特征和線性支持向量機(jī)(Support

4、Vector Machine，SVM)的分類器結(jié)構(gòu)，給出了一種新型分類方法。傳統(tǒng)HOG特征和SVM方法基于整個(gè)候選區(qū)域進(jìn)行特征提取和分類，遮擋部分會(huì)降低候選區(qū)域的得分。本方法對(duì)候選區(qū)域進(jìn)行16分塊(block)，根據(jù)每個(gè)block的得分情況剔除可能為遮擋區(qū)域的block，提高局部遮擋標(biāo)志的整體得分，從而有效提高了局部遮擋標(biāo)志的分類準(zhǔn)確性。
　　本文主要針對(duì)退化交通標(biāo)志進(jìn)行研究，設(shè)計(jì)了一套交通標(biāo)志檢測(cè)流程。通過(guò)實(shí)驗(yàn)驗(yàn)證，設(shè)計(jì)的交通檢