基于支持向量機(jī)的交通標(biāo)志檢測(cè)與識(shí)別.pdf

1、面對(duì)日趨擁堵的道路以及日趨嚴(yán)重的交通事故，智能交通系統(tǒng)(IntelligentTransportation System)和無(wú)人駕駛汽車技術(shù)應(yīng)運(yùn)而生。作為其中重要組成部分的交通標(biāo)志檢測(cè)與識(shí)別系統(tǒng)(Traffic Signs Detection and Recognition System)成為了研究的熱點(diǎn)課題。交通標(biāo)志檢測(cè)與識(shí)別系統(tǒng)概括來(lái)說(shuō)可以分為檢測(cè)定位交通標(biāo)志和識(shí)別交通標(biāo)志含義兩個(gè)重要過(guò)程。該論文主要完成了以下幾個(gè)方面的工作:

2、>　　首先是研究了基于顏色的交通標(biāo)志分割算法。根據(jù)我國(guó)現(xiàn)有的交通標(biāo)志的含義和形狀特點(diǎn)，重點(diǎn)分析了在不同顏色空間下對(duì)交通標(biāo)志進(jìn)行顏色分割的方法，其中著重介紹了如何利用概率統(tǒng)計(jì)中的均值和方差特征在RGB顏色空間下進(jìn)行自適應(yīng)顏色分割算法。通過(guò)實(shí)驗(yàn)數(shù)據(jù)證明了利用此類算法分割出的顏色信息，不但保證了顏色分割的準(zhǔn)確性和實(shí)時(shí)性，并且還對(duì)光照條件變化具有很好的自適應(yīng)特點(diǎn)。
　　其次是研究了基于傅里葉描述子的形狀檢測(cè)。首先介紹了物體幾何形狀分析中常

3、用的一些方法，例如霍夫變換、Hu旋轉(zhuǎn)不變矩等。隨后重點(diǎn)介紹了如何利用輪廓的中心距離函數(shù)以及傅里葉變換進(jìn)行形狀分析，另外也細(xì)致的介紹了歸一化傅里葉描述子模板數(shù)據(jù)庫(kù)是如何應(yīng)用到形狀分析中，目的是為了對(duì)缺失形狀的交通標(biāo)志進(jìn)行檢測(cè)定位。該算法能夠?qū)煌?biāo)志進(jìn)行快速有效的檢測(cè)，尤其是對(duì)于遮擋、失真、縮放等情況的交通標(biāo)志具有一定的魯棒性。
　　隨后介紹了基于HOG特征的支持向量機(jī)識(shí)別。通過(guò)上述介紹的方法對(duì)交通標(biāo)志定位后，如何對(duì)交通標(biāo)志的含義進(jìn)

4、行識(shí)別是該階段的的重要內(nèi)容。該部分系統(tǒng)地介紹了HOG特征描述子的計(jì)算方法，統(tǒng)計(jì)學(xué)習(xí)理論以及支持向量機(jī)理論，詳細(xì)地介紹了國(guó)內(nèi)外常用的交通標(biāo)志圖像庫(kù)，對(duì)支持向量機(jī)的參數(shù)優(yōu)化也進(jìn)行了一定的分析介紹。通過(guò)對(duì)比實(shí)驗(yàn)可以看出，采用基于HOG特征的支持向量機(jī)的識(shí)別方法既保證了特征提取的快速、高效和完整性，又確保了對(duì)候選區(qū)域識(shí)別的正確率。
　　最后是對(duì)交通標(biāo)志檢測(cè)與識(shí)別算法進(jìn)行了系統(tǒng)實(shí)現(xiàn)。利用含有交通標(biāo)志的靜態(tài)圖像作為測(cè)試樣本，采用上述描述的方法