人行橫道線及預告標識的識別算法研究.pdf

1、隨著城市交通流量日趨加重，交通安全隨之成為社會倍受關注的問題.在交叉路口處發(fā)生交通事故率相對較高，對行人和車輛安全構成很大威脅，所以提前預知路口對于減少交通事故有很大幫助.因此，人行橫道線與預告標識的識別算法已是實現(xiàn)智能交通的主要研究內容之一.
　　至今為止，人行橫道線識別算法研究主要應用于盲人導航系統(tǒng)，很少應用于智能交通系統(tǒng)中,并且標線遮擋、破損及光照影響等困難情景的識別仍是瓶頸問題.本文研究的人行橫道線及預告標識的識別技術，主

2、要應用于智能車輛導航系統(tǒng)中，并針對處于困難情景下的標線識別.
　　本文提出一種基于移動平臺的人行橫道線及預告標識的識別算法，該算法由標線候選區(qū)域提取和驗證兩部分組成.在人行橫道線及預告標識候選區(qū)域提取階段，提出一種基于標線高亮片段濾波的提取標線候選區(qū)域的算法.首先，利用IPM變換將輸入標線圖像轉化成俯視圖像，抑制成像過程中的透視效果;其次，采用Start-End Point Finding算法在俯視圖像上逐行提取標線亮片段，解決傳

3、統(tǒng)單一閾值提取標線候選區(qū)域受光照、路面投射陰影及標識磨損影響問題.最后，提出基于標線先驗知識的滑動窗搜索方法將標線亮片段生成標線候選區(qū)域.為了對標線候選區(qū)域進行精確驗證，本文提出由粗到精的基于機器學習的驗證方法.首先，設計結合類Haar特征的Adaboost級聯(lián)分類器，實現(xiàn)標線候選區(qū)域的粗過濾，過濾出標線候選區(qū)域和非標線候選區(qū)域;然后，采用離線訓練ELM分類器，并與BW法選擇的HOG特征相結合精確驗證標線類型及背景，得到標線的識別結果.