基于特征融合和字典學(xué)習(xí)的交通標(biāo)志識(shí)別.pdf

1、隨著經(jīng)濟(jì)的發(fā)展，人們生活水平的提高和車輛的日益增多，引發(fā)的交通堵塞和生命安全問(wèn)題也愈發(fā)嚴(yán)重，因此智能交通系統(tǒng)的研發(fā)應(yīng)用受到工業(yè)界和學(xué)術(shù)界的高度重視。作為智能交通系統(tǒng)中核心技術(shù)之一，交通標(biāo)志識(shí)別一直是研究的熱點(diǎn)，然而研究成果還尚未達(dá)到成熟，這是由于在真實(shí)復(fù)雜的場(chǎng)景中，交通標(biāo)志的識(shí)別易受天氣狀況、運(yùn)動(dòng)模糊、外物遮擋、顏色退化、旋轉(zhuǎn)傾斜等因素的影響。因此，交通標(biāo)志識(shí)別依然是一個(gè)具有挑戰(zhàn)性的課題。
　　本文的主要研究工作有以下四個(gè)方面:<

2、br>　　(1)由于外界場(chǎng)景各因素的影響，各交通標(biāo)志圖像的尺寸、亮度、形態(tài)等差異不一，因此在特征提取之前，需要對(duì)其進(jìn)行預(yù)處理操作。本文主要從三個(gè)方面進(jìn)行了處理:①圖像進(jìn)行灰度化以及灰度歸一化;②感興趣區(qū)域分割提取;③尺度歸一化。
　　(2)根據(jù)交通標(biāo)志的局部邊緣、全局輪廓、紋理等特點(diǎn)，本文深入研究了兩種特征算子:HOG和GIST，并對(duì)各特征的參數(shù)進(jìn)行了優(yōu)化。由于單一特征難以全面地對(duì)交通標(biāo)志的特點(diǎn)進(jìn)行描述，因此本文提出采用多特征融合

3、，但不適當(dāng)?shù)娜诤纤惴〞?huì)使得融合后特征表示力更差。鑒于廣義典型相關(guān)分析(GeneralizedCanonical Correlation Analysis，GCCA)已在人臉識(shí)別特征融合方面取得不錯(cuò)的效果，本文將其應(yīng)用于交通標(biāo)志識(shí)別領(lǐng)域中，實(shí)驗(yàn)結(jié)果表明，HOG與GIST的融合相對(duì)于單一特征更有利于分類識(shí)別。
　　(3)從實(shí)驗(yàn)中發(fā)現(xiàn)，融合特征對(duì)于結(jié)構(gòu)相似的交通標(biāo)志在表達(dá)上還是存在一定的冗余性，特別是限速類交通標(biāo)志。因此，本文提出采用字

4、典學(xué)習(xí)稀疏編碼方式對(duì)融合特征進(jìn)行優(yōu)化，即使用K-SVD算法進(jìn)行字典學(xué)習(xí)，正交匹配追蹤(Orthogonal matching pursuit, OMP)算法對(duì)其進(jìn)行稀疏編碼。實(shí)驗(yàn)結(jié)果表明，優(yōu)化后的特征對(duì)結(jié)構(gòu)相似的交通標(biāo)志更有表達(dá)力。
　　(4)在GTSRB（German Traffic Sign Benchmarks）上，通過(guò)對(duì)比實(shí)驗(yàn)分析了單個(gè)特征、融合特征以及融合-稀疏特征的分類識(shí)別效果。實(shí)驗(yàn)結(jié)果表明經(jīng)過(guò)優(yōu)化后的特征在線性SVM