復(fù)雜大背景下交通標(biāo)志快速魯棒的檢測和識別研究.pdf_第1頁
已閱讀1頁,還剩169頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、交通標(biāo)志的檢測和識別研究一直是機器視覺和智能交通領(lǐng)域的一個研究熱點,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)用價值。近十幾年來,交通標(biāo)志檢測和識別技術(shù)有了長足進(jìn)步,但還面臨很多需要解決的技術(shù)難題。本文針對多類別交通標(biāo)志識別系統(tǒng)中的感興趣區(qū)域提取、標(biāo)志牌檢測和標(biāo)志牌識別等關(guān)鍵問題進(jìn)行研究,并針對較大遮擋和較大拍攝角度情況的標(biāo)志牌檢測和識別方法進(jìn)行研究。主要研究內(nèi)容和創(chuàng)新點如下:
  (1)提出了一種基于高對比度特征的多類別交

2、通標(biāo)志感興趣區(qū)域提取方法
  針對傳統(tǒng)基于顏色閾值的感興趣區(qū)域提取方法對顏色變化敏感的缺點,本文提出了一種基于高對比度特征的感興趣區(qū)域提取方法,稱為高對比度區(qū)域提取(High Contrast Region Extraction,HCRE),該方法的設(shè)計原理是: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,天空和樹木等。方法步驟:首先,對輸入圖像進(jìn)行顏色增強;然后,對

3、增強后圖像使用高對比度特征累加投票的方法進(jìn)行高對比度特征提取;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顏色變化敏感的缺點,并且對模糊邊緣具有較好魯棒性?;谌齻€不同國家標(biāo)志牌數(shù)據(jù)庫的實驗證明了所提出的感興趣區(qū)域提取方法的有效性。
  (2)提出了一種分流級聯(lián)的多類別交通標(biāo)志檢測方法
  針對現(xiàn)有標(biāo)志檢測方法在多類別交通標(biāo)志檢測中準(zhǔn)確性和運行速度上的局限性,本文提出了一種快速的分流級聯(lián)標(biāo)志牌檢測

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)到較高的檢測率。該方法有三個主要創(chuàng)新點:首先,為了能有效地表達(dá)多種類別交通標(biāo)志,本文設(shè)計了兩個特征,稱為多塊標(biāo)準(zhǔn)化LBP和其傾斜版本;其次,該方法設(shè)計了一種分流級聯(lián)樹結(jié)構(gòu)SFC-tree,它利用了多類別交通標(biāo)志的共同特征來構(gòu)造一個由粗到精的多類別交通標(biāo)志檢測器;最后,該方法設(shè)計了一種共有特征查

5、找算法來尋找不同標(biāo)志牌的共同特征,并建立一個有效的分流級聯(lián)交通標(biāo)志檢測框架?;贕TSDB數(shù)據(jù)庫高分辨率圖像的實驗表明:該框架能夠檢測GTSDB數(shù)據(jù)庫中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、檢測精度高和實時性好等優(yōu)點。該分流級聯(lián)檢測方法在檢測速度和檢測精度方面的綜合表現(xiàn)要好于目前已有的檢測方法。
  (3)設(shè)計了一種由粗到精的多類別交通標(biāo)志識別方法
  交通標(biāo)志識別存在的主要難點有: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。本文在檢測方法基礎(chǔ)上對識別分類方法進(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,先對檢測結(jié)果進(jìn)行身份驗證,然后再進(jìn)行識別和粗分類,能大量減少粗分類所需的分類時間。所提出的基于Extended-SRC的細(xì)分類方法能夠通過構(gòu)建內(nèi)

7、容字典和遮擋字典實現(xiàn)對帶部分遮擋標(biāo)志牌的快速識別分類,比傳統(tǒng)基于SRC的方法具有速度更快和識別率更高的優(yōu)點。在GTSDB圖庫和實驗室拍攝的標(biāo)志牌圖庫的實驗驗證了所提出的識別方法和所建立的多類別交通標(biāo)志識別系統(tǒng)的有效性。
  (4)研究了較大遮擋情況下的標(biāo)志牌檢測和識別方法
  由于標(biāo)志牌安裝不規(guī)范、樹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。檢測和識別帶有較大遮擋的標(biāo)志牌是標(biāo)志牌識別系統(tǒng)的一個難點。本文根據(jù)遮

8、擋標(biāo)志牌的特征設(shè)計了一種彩色矩形塊特征;在彩色矩形塊特征基礎(chǔ)上,設(shè)計了基于SFC-tree的遮擋標(biāo)志牌檢測方法,對較大遮擋標(biāo)志牌的檢測具有較好的魯棒性。在檢測方法基礎(chǔ)上,設(shè)計了基于Extended-SRC的分類方法,該方法能夠識別帶有較大遮擋的標(biāo)志牌。基于帶遮擋的標(biāo)志牌圖庫的實驗結(jié)果驗證了所提出遮擋魯棒的檢測和識別方法的有效性。
  (5)研究了較大拍攝角度情況下的標(biāo)志牌檢測和識別方法
  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)行檢測和識別。本文首先根據(jù)標(biāo)志牌的角度變化特點提出了一系列方法,用來檢測存在較大角度變化的標(biāo)志牌。首先,使用Cascade檢測器檢測正面標(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別。在檢測方法基礎(chǔ)上,本文將檢測到的標(biāo)志牌仿射變換到相同尺寸,然后設(shè)計了基于HOG特征和SVM分類器的標(biāo)志牌分類方法。基

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論