交通标志检测和识别系统的设计.docx

《交通标志检测和识别系统的设计.docx》由会员分享，可在线阅读，更多相关《交通标志检测和识别系统的设计.docx（32页珍藏版）》请在优知文库上搜索。

1、交通标志检测和识别系统的设计摘要在实际交通路况中，交通标志的检测和辨识是汽车智能化驾驶中的一个重要环节,它在自动驾驶等方面有着举足轻重的地位，是实现智能化驾驶的关键和根本。本文设计了一个交通标志检测和识别的系统。论文重点研究了以下内容。先对于交通标志牌图像的预处理，通过对比三种灰度方式，这里采取加权平均法进行直方图均衡，然后这考虑对比三种滤波方式最终选择高斯滤波去除噪声影响。在研究道路上交通标志牌的检测方法上，因为交通标志牌的颜色特征较为明显，所以从颜色特征方面对交通标志牌的检测展开探索，固本文采用RGB颜色分割交通标志牌的方式进行交通标志牌检测，然后采用对比四种不同算法最终采用Canny算子

2、对交通标志牌图片进行腐蚀、膨胀处理。设计出对于需要识别的交通标志牌图像进行图像收集、采用网上数据集、与识别网络模型的损失值训练直到收敛，进行验证。查看运行结果是否符合事实情况。关键词：交通标志检测；交通标志识别；CNN；Canny算子；高斯滤波DesignofTrafficSignDetectionandRecognitionSystemAbstractIntheactualtrafficconditions,thedetectionandidentificationoftrafficsignsisanimportantlinkintheintelligentdrivingofautomobi

3、les.Itplaysadecisiveroleinautomaticdrivingandotheraspects,andisthekeyandfundamentaltorealizeintelligentdriving.Thisarticledesignsasystemfortrafficsigndetectionandrecognition.Thepaperfocusesonthefollowingcontent.Fortheprepossessingoftrafficsignimages,bycomparingthethreegray-scalemethods,theweightedav

4、eragemethodisadoptedforhistogramequalization,andthentheGaussianfilterisfinallyselectedtoremovethenoiseeffectbyconsideringthecomparisonofthethreefilteringmethods.Inthestudyofthedetectionmethodoftrafficsignsontheroad,consideringthecolorcharacteristicsoftrafficsignsaremoreobvious,thispaperexploresthede

5、tectionoftrafficsignsfromtheaspectofcolorcharacteristics.Inthispaper,theRGBcolorsegmentationoftrafficsignsisusedtodetecttrafficsigns,andthenthefourdifferentalgorithmsarecompared.Finally,thecannyoperatorisusedtoerodeandexpandtheimageoftrafficsigns.Itisdesignedtocollectimagesoftrafficsignsthatneedtobe

6、identified,useonlinedatasets,andtrainthelossvalueoftheidentificationnetworkmodeluntilconvergenceforverification.Checktoseeiftherunningresultsarerealistic.KeyWords：trafficsigndetection;Trafficsignidentification;CNN；cannyoperator；Gaussianfilter摘要1Abstract21. 绪论1Ll研究国内外背景及其意义11.2 国内外研究现状11.2.1 目标图像预处理的

7、国内外现状21.2.2 目标检测与识别技术的国内外现状21.3 本文研究内容和组织结构41.3.1论文研究内容4L3.2论文组织结构41. 4本章|、结52.图像预处理52. 1图像灰度化处理52.1.1加权平均法62.1.2平均值法62.1.3最大值法62.2直方图变换增强处理72.2.1直方图的定义72.2.2直方图的均衡化82.2.3实验步骤82.3图像滤波处理92. 3.1滤波方式92 .4本章小结113 .交通标志检测123.1 基于颜色特征的交通标志牌分割123.2图像形态学操作143.3交通标志牌的边缘检测提取143.4本章小结174.基于卷积神经网络的交通标志牌识别174.1批

8、量归一化法174.2网络模型设计184.3卷积神经网络的训练194.4实验结果与分析及边界计算23总结与展望25总结25展望25致谢27参考文献281 .绪论11研究国内外背景及其意义自21世纪之后，国家经济实力有显著的提高，私家车以及各种机动车以非常迅猛的趋势被使用。然而正当享受交通工具为人们日常生活提供便利之时，还伴随着许多的社会难题。最初是由于交通压力日益上涨，交通拥挤方面更加严重，运输效率下降。此外，交通事故发生频繁，国家年均因道路交通意外死亡人数位于世界第二，给家庭乃至社会都造成了巨大的损害和麻烦。要想提升交通输送效率，从而减少交通事故的产生，世界各地都在极力创新智能交通系统。智能交

9、通系统即将问世，通过将前沿的现代科技技术与交通运输、服务操控、交通工具制造等紧密融合，我们成功构建了一个实时、高效、安全的交通运输系统。在道路交通系统中，路面交通标志扮演着至关重要的角色，它包括禁止通行、指示交通状况、识别前方危险以及指示主要道路交通信号。因此，道路上设置了大量不同形式的交通标志。能够精准地将交通标志牌所代表的交通信息准确地传达出来的交通信息传递给驾驶人以及道路的控制系统对保障驾驶人员安全和提高交通运输效率起关键的作用。所以说，1980年以后，对交通标志检测与识别系统的研究就饱受世界研究人员的关注。总而言之，交通标志检测与识别系统的作用最为重要的是这两个方面：（1）关于辅助驾驶

10、。交通标志检测与识别系统能够每时每刻地给驾驶者传递视野范围以内的交通标志方位及类型，更早地给驾驶者以指示或警告作用，使得驾驶车辆的人有充足的时间来面对突发的交通状况，更好地减少或避免交通事故的产生。（2）关于无人驾驶。这几年来，一些世界性的大企业特别是GoogIe也在极力发展无人驾驶且取得了非常重要的发展。TSR由无人车辆上的摄像机来收集实际路况，随后再立刻分析出交通标志地理位置及其表示的意思，最后再传送信息给控制器，再经过分析根据路面情况自动选择驾车行为，从而确保了无人汽车根据交通规则的安全驾驶。1.2国内外研究现状在交通标志牌的检测和识别技术中，关键技术包括对交通标志进行预处理、对其颜色和

11、形状进行检测、对交通标志牌进行识别。在实现图像预处理时，需要对图片进行灰度化处理，去噪滤波以达到更高的图像质量；对于交通标志的检测可用于减小目标检测范围，从而提高后续检测与识别的速度；对于交通标志牌的检测与识别可用于确定交通标志的目标种类并确定目标的图像信息，用于警告，指示还是禁止。1.2.1 目标图像预处理的国内外现状由于道路上交通标志牌其内部损坏，被环境污染等影响以及外部在被遮挡物体所遮盖等客观条件影响，在图像读取的过程中，指示牌难免会受到噪声的干扰，因此对其进行必要的预处理是不可或缺的。通常情况下，当图像受到噪声污染时，它会经历一段逐渐消退的过程，这个过程被称为图像消退。图片预处理过程的

12、指的是，通过去除退化影响和随机噪音而给原图片的效果影响。其中移动朦胧是图像退化的必要部分，而移动朦胧所形成原因即是在图像过程里，因为放置在汽车上的摄像机与目标物体相对产生移动而造成的。这种状况是因为目标物体和物体之间的相对移动所形成的图像模糊现象*味找附用,即所谓空间直线固定朦胧。由于运动模糊的产生，给道路上交通标志牌的测量造成了很大音响。经典的解决办法就是利用图象退化知识来消去图像运动模糊。对于图像的灰度化方面，研究人员发现了许多种办法，例如有加权平均法，平均值法以及最大值法等。在消除随机噪声和实现图像增强方面，一些研究者们也提出了均值滤波，中值滤波和高斯滤波等滤波算法。1.2.2 目标检测

13、与识别技术的国内外现状近年以来，对于交通标志牌的图形检测技术得到应用，不管在基础理论研究方向上或是工程实践上均获得重要突破，而基于交通标志牌色彩和形状的图像检测技术引起国外科学家越来越多的关注。（1）目标检测的国内外现状基于交通标志牌颜色的图像检测技术划未找到引比较传统的色彩检查手段具有明显优点，首先在图片内容描述与获取上不再要求人为自动标记，而是采用手动获取图片的色彩、形态特征,然后针对特征之间的相同特性,再进行配对进而实现图片的检索。在这方面已存在了不少的相关研究成果，当中运用色彩特性实现图表检查的方式也有很多种，一般有直方图法，距离法，直方图相交法，比例直方图法等，除此以外，尚有HIS中

14、心矩法等。要能准确通过各种颜色特征检测道路标志牌信号,必须设置正确的色彩模式。当中，最常见的彩色模式有YCrCb模式，HlS模式，RGB模式，YIQ彩色模式，YUOV色彩模型等。1)基于RGB颜色模型进行阈值分割本文对红标记研究过程时,提供了一种基于RGB空间模型的图像分离研究的方式,根据红标记的其特征，对红禁令标志的阈值动作进行研究。在由于在RGB模式中红、蓝、绿三色很容易受到照度影响，所以本文中采用了一个能够减小照度影响的方案，尽管来说三种基色都受照度影响很大，但是它们之间的差别受照度影响也较小，而通过长期实践经验，给所有的图像进行了数据分析，就可以判断出红、黄、蓝三个色调的影响区间范围。

15、2) HlS颜色空间的阈值分割为了测定红色禁令标识，本文中提供了一个关于研究红色交通标志中的H、I、S三种分量之间区间值的方法。本文中通过统计实验的测量，来获得了红色禁令标志HIS归一化后的范围值。(2)目标识别的国内外现状对于交通标志牌识别的算法目前有很多种，比较常用的诸如匹配算法、神经网络分类法、统计分类学等，这里对图像匹配和神经网络分类法进行研究探索。1 )图像匹配法在图像识别的过程中，计算机会对图像与图像库中的任何未知图像特征进行时空间的匹配确认，以选取适当的特征向量和特性与特征之间的相似性规则，这就是图像匹配。这里图片匹配算法有很多种类型,但通常都能够粗略分为根据特点的搭配和根据灰度的图片搭配二类。对于基于灰度的匹配方式，目前有许多种，如中国国内研究者陈宁江教授所认为的归一化与灰度组合相关技术等等。但在基于特征相匹配的计算中，最常用的方法仅有像素点相匹配，像素边线相匹配，像素闭合轮廓相匹配以及更高级特性的相匹配。这里图像的点匹配方法一般有快速点匹配方法，还有最小均方差搭配方法等等U叫后面边缘线的搭配技术一般使用如Hyper匹配等。2)神经网络分类神经网络分类算法也是一个常见分类算法，一般把多个单一神经元经过相互连接后形成了一个非线性力动态体系，其所模仿的对象是人的中枢神经网络系统，每一个孤立神经元构成都比较简单，但经过组合后生成的网络系统却非常复杂，该网络系统具备自我