自然場(chǎng)景中交通標(biāo)志版面理解算法研究.pdf

1、隨著城市汽車數(shù)量和人口密度的不斷增高，城市交通擁堵日益嚴(yán)重。智能交通系統(tǒng)在提高汽車通行效率、減少交通事故等方面具有重要的作用，從而成為一個(gè)研究的熱點(diǎn)。交通標(biāo)志檢測(cè)與識(shí)別是智能交通系統(tǒng)的關(guān)鍵問(wèn)題之一。目前，交通標(biāo)志識(shí)別主要集中在標(biāo)志的分類，對(duì)于既包含文字又包含交通符號(hào)的矩形交通標(biāo)志的研究相對(duì)較少。而矩形交通標(biāo)志包含了豐富的道路信息，對(duì)于交通安全和道路通行效率起到了重要的作用。因此，矩形交通標(biāo)志的理解具有很大的應(yīng)用前景和實(shí)用價(jià)值。
　

2、　本論文以自然場(chǎng)景中矩形交通標(biāo)志的版而理解為目標(biāo)，研究了自然場(chǎng)景中矩形交通標(biāo)志的檢測(cè)與定位、矩形交通標(biāo)志中的文字檢測(cè)與定位以及交通符號(hào)檢測(cè)與識(shí)別。本文的主要工作包括以下三個(gè)方面:
　　(1)自然場(chǎng)景中矩形交通標(biāo)志檢測(cè)與定位。矩形交通標(biāo)志以藍(lán)色背景為主，顏色是其最顯著的特征。為此本文首先利用顏色信息實(shí)現(xiàn)矩形標(biāo)志的粗檢測(cè)，再采用結(jié)合方向梯度直方圖和支持向量機(jī)的方法實(shí)現(xiàn)標(biāo)志的精確定位。
　　(2)矩形交通標(biāo)志中的文字檢測(cè)與定位。本

3、文首先采用霍夫變換對(duì)標(biāo)志圖像進(jìn)行幾何校正，然后改進(jìn)了大津閾值對(duì)圖像進(jìn)行二值化，再利用文字區(qū)域的幾何信息通過(guò)連通域分析實(shí)現(xiàn)文字的檢測(cè)。本文給出的基于分塊的大津閾值法獲得了很好的二值化效果，為文字檢測(cè)提供了可靠的保證。
　　(3)矩形交通標(biāo)志中的交通符號(hào)檢測(cè)與識(shí)別。矩形交通標(biāo)志既包含了文字信息同時(shí)又包含了符號(hào)信息。由于交通符號(hào)表明道路行駛規(guī)則，對(duì)于無(wú)人駕駛和輔助駕駛系統(tǒng)等至關(guān)重要。為此，本文針對(duì)矩形交通標(biāo)志牌中的交通符號(hào)檢測(cè)與識(shí)別進(jìn)行

4、了研究。在進(jìn)行畸變矯正等的預(yù)處理之后，采用基于連通域分析法的方法對(duì)交通符號(hào)進(jìn)行檢測(cè)，然后給出了基于空間視覺詞袋模型以及融合支持向量機(jī)和隨機(jī)森林的方法實(shí)現(xiàn)交通符號(hào)的識(shí)別。
　　為了測(cè)試算法的性能，本文收集了中國(guó)境內(nèi)城市的矩形交通標(biāo)志圖像3023幅，從中隨機(jī)選擇了1015幅圖像作為本文提出算法的測(cè)試圖像。矩形交通標(biāo)志檢測(cè)精度為96.89％，文字檢測(cè)精度為98.47％，交通符號(hào)檢測(cè)精度為93.40％，針對(duì)5類27個(gè)交通符號(hào)的識(shí)別，識(shí)別精