基于機器學(xué)習(xí)的交通標志識別.pdf

1、隨著科技的發(fā)展和社會的進步，越來越多的研究人員投入到針對交通標志識別系統(tǒng)的研究工作中。然而自然場景下的道路交通狀況非常復(fù)雜，想要研發(fā)出一套安全有效的道路交通標志識別系統(tǒng)還需要更多研究人員的深入研究。在日趨發(fā)達的交通系統(tǒng)中，效果理想的交通標志識別系統(tǒng)可以為人們的日常行車安全提供非常大的幫助，由此可見針對道路交通標志識別系統(tǒng)的研究具有非常重要的實際意義。本文主要針對自然場景下的交通標志識別系統(tǒng)展開研究，著眼于識別系統(tǒng)的準確性和實時性。本文主

2、要研究內(nèi)容如下：
　　1）針對自然場景下光照條件變化會對道路交通標志檢測造成干擾的問題，提出基于多次閾值化的自適應(yīng)閾值方法來檢測交通標志候選區(qū)域。首先，根據(jù)交通標志自帶的顏色信息對輸入圖像進行紅藍標準化預(yù)處理，再進行一定閾值范圍的多次閾值化。然后對閾值化圖像進行輪廓檢測，并加入幾何條件約束篩選和Hu不變矩的匹配確定輪廓形狀。最后通過條件限定的方法合并多次閾值化后的結(jié)果，得到穩(wěn)定可靠的交通標志感興趣區(qū)域。
　　2）針對中國道路

3、交通標志樣本庫缺乏的問題，基于標準的中國道路交通標志通過仿射變換、模糊、添加隨機背景等方法人工合成一系列樣本素材，最終創(chuàng)建了中國道路交通標志樣本庫。主要思想是通過人工合成的方法不僅節(jié)省了建立交通標志樣本庫時需要花費的大量人力物力，而且很好地解決了因為交通標志圖像大小、視角和角度旋轉(zhuǎn)變化等情況所造成的干擾。
　　3）針對上百種道路交通標志識別的問題，本文基于方向梯度直方圖（Histogram of Oriented Gradient

4、，HOG）特征結(jié)合支持向量機（Support Vector Machine，SVM）分類器的方法來實現(xiàn)對上百種交通標志的快速高效的分類識別。主要思想是交通標志是一個剛性的物體，而HOG特征在對剛性物體的識別上性能良好。同時，HOG特征結(jié)合SVM分類器在進行一定優(yōu)化的情況下可以快速高效的分類識別上百種交通標志，從而很好地實現(xiàn)了對上百種交通標志的實時分類識別。
　　最后，本文在Windows系統(tǒng)下，使用Visual Studio200