道路交通標志檢測與識別系統研究.pdf

1、近十年來，科學技術得到突飛猛進的發展，互聯網、云計算、人工智能等高新技術開始影響社會生活的方方面面。智能交通系統、無人駕駛、車聯網等成為當前研究的熱點和交通領域未來發展的新方向，交通標志檢測與識別是未來智能交通領域的重要一環。但是，在實際的道路環境中，交通標志檢測會受到天氣變化、障礙物遮擋、相似物體干擾、損傷變形等不利因素的影響，這些因素增大了交通標志檢測和識別的難度。本文針對天氣變化、樹木陰影、光強變化等因素導致交通標志檢測困難的情況

2、，提出一種適用性較強的檢測與識別方法。
　　交通標志檢測綜合顏色分割與形狀檢測的方法實現目標區域檢測。首先將圖像在HSV顏色空間使用基于亮度分量的多尺度Retinex算法作圖像增強，以增加圖像的對比度，同時保持交通標志色彩的恒常性；其次，采用基于 HSV顏色空間的閾值分割算法對交通標志圖像進行初分割，并利用中值濾波和數學形態學的方法濾除噪聲點；再次設置連通區域面積閾值篩選出交通標志區域；最后結合目標區域的圓形度及幾何邊數檢測目標區

3、域的形狀，并將交通標志分割并提取出來。
　　交通標志識別采用基于梯度方向直方圖（HOG）特征結合 SVM的方法完成識別任務。首先將分割出的交通標志固定到統一的尺寸，然后將提取出交通標志的HOG特征輸入 SVM的預測函數中進行識別。
　　采用MATLAB軟件根據論文所提的算法編程。利用 GTSRB數據庫作為樣本訓練 SVM分類器，利用測試數據庫中圖像進行實驗。設計下位機模塊模擬控制功能，利用實驗結果驗證系統的性能。