復(fù)雜大背景下交通標(biāo)志快速魯棒的檢測(cè)和識(shí)別研究.pdf

1、交通標(biāo)志的檢測(cè)和識(shí)別研究一直是機(jī)器視覺(jué)和智能交通領(lǐng)域的一個(gè)研究熱點(diǎn)，并與城市交通安全密切相關(guān)，具有十分重要的理論和應(yīng)用價(jià)值。近十幾年來(lái)，交通標(biāo)志檢測(cè)和識(shí)別技術(shù)有了長(zhǎng)足進(jìn)步，但還面臨很多需要解決的技術(shù)難題。本文針對(duì)多類別交通標(biāo)志識(shí)別系統(tǒng)中的感興趣區(qū)域提取、標(biāo)志牌檢測(cè)和標(biāo)志牌識(shí)別等關(guān)鍵問(wèn)題進(jìn)行研究，并針對(duì)較大遮擋和較大拍攝角度情況的標(biāo)志牌檢測(cè)和識(shí)別方法進(jìn)行研究。主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下:
　　(1)提出了一種基于高對(duì)比度特征的多類別交

2、通標(biāo)志感興趣區(qū)域提取方法
　　針對(duì)傳統(tǒng)基于顏色閾值的感興趣區(qū)域提取方法對(duì)顏色變化敏感的缺點(diǎn)，本文提出了一種基于高對(duì)比度特征的感興趣區(qū)域提取方法，稱為高對(duì)比度區(qū)域提取(High Contrast Region Extraction，HCRE)，該方法的設(shè)計(jì)原理是:不同種類的交通標(biāo)志在其標(biāo)志區(qū)域的灰度或顏色分布具有明顯差異;而交通標(biāo)志周圍的環(huán)境則通常具有相似的分布，如道路，天空和樹(shù)木等。方法步驟:首先，對(duì)輸入圖像進(jìn)行顏色增強(qiáng);然后，對(duì)

3、增強(qiáng)后圖像使用高對(duì)比度特征累加投票的方法進(jìn)行高對(duì)比度特征提取;最后，根據(jù)投票結(jié)果進(jìn)行感興趣區(qū)域提取。該方法避免了傳統(tǒng)基于顏色閾值方法對(duì)顏色變化敏感的缺點(diǎn)，并且對(duì)模糊邊緣具有較好魯棒性?；谌齻€(gè)不同國(guó)家標(biāo)志牌數(shù)據(jù)庫(kù)的實(shí)驗(yàn)證明了所提出的感興趣區(qū)域提取方法的有效性。
　　(2)提出了一種分流級(jí)聯(lián)的多類別交通標(biāo)志檢測(cè)方法
　　針對(duì)現(xiàn)有標(biāo)志檢測(cè)方法在多類別交通標(biāo)志檢測(cè)中準(zhǔn)確性和運(yùn)行速度上的局限性，本文提出了一種快速的分流級(jí)聯(lián)標(biāo)志牌檢測(cè)

4、方法(split-flow cascade tree，SFC-tree)。該方法能夠在高分辨率圖像中快速的檢測(cè)和定位多種類別的交通標(biāo)志，并且能夠達(dá)到較高的檢測(cè)率。該方法有三個(gè)主要?jiǎng)?chuàng)新點(diǎn):首先，為了能有效地表達(dá)多種類別交通標(biāo)志，本文設(shè)計(jì)了兩個(gè)特征，稱為多塊標(biāo)準(zhǔn)化LBP和其傾斜版本;其次，該方法設(shè)計(jì)了一種分流級(jí)聯(lián)樹(shù)結(jié)構(gòu)SFC-tree，它利用了多類別交通標(biāo)志的共同特征來(lái)構(gòu)造一個(gè)由粗到精的多類別交通標(biāo)志檢測(cè)器;最后，該方法設(shè)計(jì)了一種共有特征查

5、找算法來(lái)尋找不同標(biāo)志牌的共同特征，并建立一個(gè)有效的分流級(jí)聯(lián)交通標(biāo)志檢測(cè)框架?；贕TSDB數(shù)據(jù)庫(kù)高分辨率圖像的實(shí)驗(yàn)表明:該框架能夠檢測(cè)GTSDB數(shù)據(jù)庫(kù)中43種具有不同形狀和不同顏色的交通標(biāo)志牌，并且具有不使用任何彩色信息、檢測(cè)精度高和實(shí)時(shí)性好等優(yōu)點(diǎn)。該分流級(jí)聯(lián)檢測(cè)方法在檢測(cè)速度和檢測(cè)精度方面的綜合表現(xiàn)要好于目前已有的檢測(cè)方法。
　　(3)設(shè)計(jì)了一種由粗到精的多類別交通標(biāo)志識(shí)別方法
　　交通標(biāo)志識(shí)別存在的主要難點(diǎn)有:標(biāo)志牌種類

6、繁多，部分標(biāo)志牌非常相似，存在遮擋和污染，反光和拍攝角度變化等。本文在檢測(cè)方法基礎(chǔ)上對(duì)識(shí)別分類方法進(jìn)行研究，提出了一種基于SVM的粗分類方法和基于Extended-SRC(ExtendedSparse Representation Classification)的細(xì)分類方法。所提出的粗分類方法，先對(duì)檢測(cè)結(jié)果進(jìn)行身份驗(yàn)證，然后再進(jìn)行識(shí)別和粗分類，能大量減少粗分類所需的分類時(shí)間。所提出的基于Extended-SRC的細(xì)分類方法能夠通過(guò)構(gòu)建內(nèi)

7、容字典和遮擋字典實(shí)現(xiàn)對(duì)帶部分遮擋標(biāo)志牌的快速識(shí)別分類，比傳統(tǒng)基于SRC的方法具有速度更快和識(shí)別率更高的優(yōu)點(diǎn)。在GTSDB圖庫(kù)和實(shí)驗(yàn)室拍攝的標(biāo)志牌圖庫(kù)的實(shí)驗(yàn)驗(yàn)證了所提出的識(shí)別方法和所建立的多類別交通標(biāo)志識(shí)別系統(tǒng)的有效性。
　　(4)研究了較大遮擋情況下的標(biāo)志牌檢測(cè)和識(shí)別方法
　　由于標(biāo)志牌安裝不規(guī)范、樹(shù)木和線桿遮擋等原因，部分城市存在較多具有較大遮擋的標(biāo)志牌。檢測(cè)和識(shí)別帶有較大遮擋的標(biāo)志牌是標(biāo)志牌識(shí)別系統(tǒng)的一個(gè)難點(diǎn)。本文根據(jù)遮

8、擋標(biāo)志牌的特征設(shè)計(jì)了一種彩色矩形塊特征;在彩色矩形塊特征基礎(chǔ)上，設(shè)計(jì)了基于SFC-tree的遮擋標(biāo)志牌檢測(cè)方法，對(duì)較大遮擋標(biāo)志牌的檢測(cè)具有較好的魯棒性。在檢測(cè)方法基礎(chǔ)上，設(shè)計(jì)了基于Extended-SRC的分類方法，該方法能夠識(shí)別帶有較大遮擋的標(biāo)志牌?；趲д趽醯臉?biāo)志牌圖庫(kù)的實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出遮擋魯棒的檢測(cè)和識(shí)別方法的有效性。
　　(5)研究了較大拍攝角度情況下的標(biāo)志牌檢測(cè)和識(shí)別方法
　　在一些行車條件下，標(biāo)志牌的拍攝角度

9、存在較大變化，而較難進(jìn)行檢測(cè)和識(shí)別。本文首先根據(jù)標(biāo)志牌的角度變化特點(diǎn)提出了一系列方法，用來(lái)檢測(cè)存在較大角度變化的標(biāo)志牌。首先，使用Cascade檢測(cè)器檢測(cè)正面標(biāo)志牌，并提取顯著顏色區(qū)域;其次，使用提取的顯著顏色設(shè)計(jì)顯著顏色提取方法，進(jìn)行整幅圖像的感興趣區(qū)域提取;最后，對(duì)提取的感興趣區(qū)域進(jìn)行基于形狀上下文分析的模式匹配識(shí)別。在檢測(cè)方法基礎(chǔ)上，本文將檢測(cè)到的標(biāo)志牌仿射變換到相同尺寸，然后設(shè)計(jì)了基于HOG特征和SVM分類器的標(biāo)志牌分類方法?；?/p>