基于計算機視覺的交通標志識別算法的研究與實現(xiàn).pdf

1、近十幾年來，隨著社會的進步、經(jīng)濟的發(fā)展、汽車的普及，交通事故頻繁發(fā)生，其中決大多數(shù)是由于人為因素釀成的。架設(shè)車道上方或道路兩旁的交通標志是用來提供當(dāng)前路段的最高或最低速限，警示自車前方道路狀況的改變，限制部分自車行為以保障其他車輛的安全。然而，當(dāng)駕駛?cè)俗⒁饬Σ患褧r，常因無法清楚的辨識這一信息，而導(dǎo)致事故的發(fā)生。因此，交通標志的自動檢測與識別具有重要的理論意義和應(yīng)用價值。
　　 由于交通標志種類繁多，又常處于室外復(fù)雜的環(huán)境條件下，

2、其檢測與分類易受到天氣、光照、形變、傾斜、褪色、相近背景、圖像邊緣模糊等諸多因素的影響，且在性能上既要保證識別率又要滿足實時性，因此識別算法的設(shè)計難度頗大。本文在總結(jié)國內(nèi)外各種研究方法的基礎(chǔ)上，針對現(xiàn)有識別算法的不足進行了改進和創(chuàng)新，設(shè)計并實現(xiàn)了一種新型交通標志識別算法，由檢測、分類和跟蹤三部分組成。
　　 在檢測階段，采用了基于顏色和形狀的方法，先利用基于RGB和HSI相結(jié)合的顏色檢測算法進行粗分割，再利用基于角點特征的多邊形

3、檢測算法和基于邊緣特征的圓形檢測算法進行細分割。該算法能夠克服光照影響和復(fù)雜的模型轉(zhuǎn)換，解決了原有角點檢測對圓形失效的問題，避免了耗時的Hough變換，提高了檢測的準確性和可靠性。
　　 在分類階段，通過改進Harr小波提取標志內(nèi)部的邊緣特征，利用基于支持向量超球體的二叉樹支持向量機多分類算法，有效地解決了多分類問題中經(jīng)常遇到的不可分問題，提高了算法的抗噪性和推廣能力，而且縮短了訓(xùn)練時間，加快了分類速度。
　　 在跟蹤階