基于HOG特征的交通標志檢測與識別算法研究.pdf

1、交通標志的檢測與識別是智能車無人駕駛的重要組成部分，它也是解決交通安全問題的一種有效方法。在現(xiàn)實中由于分辨率，氣象條件，照明強度和運動模糊等干擾，交通標志的圖像質(zhì)量通常很差，很難被檢測，所以如何排除以上干擾，提高交通標志的檢測和識別準確率是當前這一領域亟待解決的問題。
　　交通標志的檢測與識別問題主要包括兩個部分：如何在獲取的圖像中準確找到交通標志，如何對提取的交通標志圖片實現(xiàn)準確識別或分類。本文從這兩個方向出發(fā)，分別對檢測和識別

2、方法進行了研究。
　　對于交通標志的檢測，本文采取的是基于RGB顏色空間和基于歸一化相關(guān)系數(shù)相結(jié)合的交通標志檢測方法。首先對采集的圖像進行預處理，采用了基于中值濾波的圖像去噪方法和基于RGB三個通道的直方圖均衡化方法增強待檢測圖像的質(zhì)量。接著融合顏色和形狀特征對交通標志進行兩次提取。在粗提取階段，首先基于顏色通道進行圖像分割，再利用形態(tài)學方法處理分割后圖像，凸顯感興趣目標區(qū)域。細提取階段，通過計算模板圖像與粗提取檢測圖像的歸一化互

3、相關(guān)系數(shù)，來得到精確的感興趣區(qū)域。
　　對于交通標志的識別，本文采取的是對感興趣區(qū)域（即提取的交通標志）提取梯度方向直方圖（HOG）特征，最后送到已經(jīng)優(yōu)化好的分類器中，通過顏色與形狀特征進行分類。采用GTSDB數(shù)據(jù)庫對分類器進行訓練，并在此基礎上對分類器的模型進行參數(shù)優(yōu)化，得到最終的PR曲線。
　　基于MATLAB對算法進行測試，測試結(jié)果表明，本文采用的交通標志檢測和識別算法都具有良好的效果。最后本文針對現(xiàn)實中的圖片進行測試