基于顏色信息和SVM的交通標志識別技術的研究與實現.pdf

1、隨著社會經濟和城市化的發(fā)展，機動車輛迅速增加，導致交通擁擠加劇，交通事故頻發(fā)，公共交通的安全以及交通效率問題日益突出，智能交通系統(tǒng)就是為了解決日益嚴重的道路交通狀況而提出的。交通標志識別作為智能交通系統(tǒng)的重要組成部分具有極大的實際意義和應用價值。
　　交通標志識別主要包括兩個階段:交通標志檢測階段和交通標志識別階段。本文針對這兩個階段的算法進行了研究和實現。首先是交通標志檢測階段，該階段中經過圖像預處理之后使用顏色閾值分割的方法對

2、圖像進行初步分割，但分割之后的圖像中存在過多的干擾區(qū)域，因此使用二值面積閾值算法對區(qū)域進行篩選，以濾除干擾區(qū)域，并對該算法進行了如下改進:首先是對圖像二值化閾值的選取，原始算法中圖像二值化所使用的是單閾值，為進一步提高圖像對比度，本文采用基于Otsu算法選取的雙閾值進行二值化處理;然后采用了一種將經驗閾值和自適應閾值相結合的面積閾值選取方法，自適應面積閩值具有更好的通用性。在交通標志識別階段本文采用基于SVM的交通標志兩級分類識別。一級

3、分類中使用邊緣方向直方圖描述交通標志的外部輪廓信息，并對輪廓特征進行敏感特征的選取以提高分類的準確率。敏感特征選取的基本思想是使類內相對誤差最小，類間相對誤差最大。提取敏感特征之后，根據敏感特征對樣本分類的影響大小對特征進行加權處理，然后對交通標志進行初步分類，最終將交通標志分為三類:圓形、三角形和矩形。二級分類使用Hu不變矩描述交通標志的區(qū)域信息，對交通標志進行進一步的判別，并顯示其標準圖像和文字釋義。
　　實驗結果表明:改進后