道路交通标志检测方法研究

针对中国道路交通标志特征, 提出一种基于颜色搜索定位和形状判别的交通标志检测方法： 首先在HSB颜色空间设定阈值分割色彩区域, 对分割后的图像进行色块搜索初步定位出感兴趣区域, 色块搜索缩小搜索范围, 提高检测效率; 然后, 根据交通标志图形边框具有像素颜色一致的特征, 提出构造图形边缘函数的方法对定位出的感兴趣色彩区域进行交通标志形状判别检测. 实验结果表明, 该方法能有效定位交通标志.     

道路交通标志检测方法研究

针对中国道路交通标志特征,提出一种基于颜色搜索定位和形状判别的交通标志检测方法:首先在HSB颜色空间设定阈值分割色彩区域,对分割后的图像进行色块搜索初步定位出感兴趣区域,色块搜索缩小搜索范围,提高检测效率;然后,根据交通标志图形边框具有像素颜色一致的特征,提出构造图形边缘函数的方法对定位出的感兴趣色彩区域进行交通标志形状判别检测.实验结果表明,该方法能有效定位交通标志.     

基于颜色模型和区域特性的交通标志提取方法研究

为了提升交通标志的检测效率,研究了基于RGB归一化交通标志阈值分割算法和基于HSI颜色模型的交通标志阈值分割算法,对比分析了两种分割算法的性能。针对分割后二值图像交通标志虚警率高的问题,研究了标志的区域特性,提出了基于区域特性的交通标志提取阈值处理方法,为进一步提升基于形状特征或基于机器学习的交通标志检测效率奠定了坚实基础。     

基于颜色分割和多特征融合的交通标志检测

采用了一种鲁棒的交通标志检测算法,该算法结合了基于颜色分割的粗定位过程和基于多特征融合的交通标志精确定位过程.粗定位利用交通标志的颜色特征,采用基于YIQ空间的颜色分割方法,获得图像中有可能包含交通标志的图像子区域;基于多特征融合的精确定位是采用梯度方向直方图(histogram of oriented gradient,HOG)及局域二值模式(local binary pattern,LBP)两种互补的特征,并利用支持向量机(support vector machinc,SVM)进行分类,得到交通标志的准确位置.实验表明该方法对亮度变化、视点变换、尺度变化及目标部分遮挡等情况具有很强的鲁棒性,并且查准率和查全率总体都比基于单特征的方法好.     

基于后验概率SVM的交通标志识别研究

在无人车交通标志识别系统中,以传统的神经网络算法或标准的支持向量机算法(SVM)设计的分类器,只能反映样本是否属于某类而不能确定样本属于某类的可信度,提出一种后验概率SVM交通标志识别方法。首先对检测与跟踪得到的交通标志大概区域图像进行彩色分割以精确定位交通标志区域,然后采用最大类间方差法分割交通标志的内部图案,最后将分割的结果进行大小归一化作为交通标志的特征图像以训练分类器和进行识别。实验结果表明,基于后验概率SVM的交通标志识别系统在复杂的室外环境下具有很强的鲁棒性和可行性。     

基于切线斜率变化统计的红色圆形交通标志牌检测

从标志牌的颜色和形状特征出发,提出了一种斜率变化统计的方法检测交通标志．该算法首先在RGB色彩空间中提取R通道成分,然后通过对区域边缘点的切线斜率变化进行统计定位出圆形标志．实验结果表明,此方法对红色圆形交通标志牌的识别有很好的效果．     

基于局部色彩不变量的图像篡改检测方法

针对基于分块的图像区域复制篡改检测方法通常面临的图像特征提取计算量大、维度高、识别率低等问题,提出一种基于局部色彩不变量特征的图像区域复制篡改检测方法,将RGB彩色图像转换到对立色彩空间,通过分析和提取图像各通道上的局部密度分布特征,构建k-d树进行相似分块特征匹配以实现图像区域复制篡改检测.提出的局部色彩不变量密度特征具有维度低、计算简单等特点.实验结果表明,本文方法与其他几种典型的基于分块的方法相比,具有较低的时间复杂度和较高的检测率,且对图像篡改区域的旋转、缩放攻击具有较好的鲁棒性,特别是当图像篡改区域进行大角度旋转时与其他几种方法相比具有明显优势.     

基于离散曲率特征的弧线形状检测方法

物体形状检测是实现机器人自主环境理解的基础.针对机器人作业场景经过色彩分层及多尺度滤波分割后的物体表现为连通域,以及便于分析形状的特点,提出了一种基于离散曲率特征的物体轮廓弧线形状检测方法.该方法将物体轮廓提取、直线和特征点检测作为基础,剔除影响弧线检测的轮廓直线,并根据剩余轮廓各点处的离散曲率滑动变化特性检测弧线特征.对机器人作业场景实物进行实验,弧线形状检测的平均正确率达到90.6%,处理时间为0.75 s,表明该方法能有效地对物体轮廓弧线形状进行检测.     

自然场景中字符型交通标志的检测算法

提出一种检测城市和高速公路环境中字符型交通标志的新方法.首先,在输入图像中分割出蓝色和墨绿色区域,用形态滤波和形状标记图判断交通标志的候选区域;其次,将候选区域的彩色图像灰度化,用Otsu算法计算候选区域灰度分布直方图的阈值,并对其进行分割,得到包含字符的二值图像;然后,将候选区域的二值图像向垂直方向上投影,用3次样条拟合算法对其进行拟合,利用曲线的性质,找到拟合曲线中的局部极小值点,分割出包含字符条形区域;最后,将条形区域向水平方向上进行投影和曲线拟合,查找局部极小值点并分割出单个字符区域,再进行形态过滤,分割并定位交通标志中的字符.实验结果表明:该算法的字符查全率高于84％,准确率超过92％.     

基于彩色图像分割的路标检测算法研究

针对交通标志检测问题,首先比较了RGB,HSV,Lab颜色空间中进行颜色分割的优缺点,并提出了基于Lab颜色空间进行交通路标定位的方法,然后对HSV空间阈值分割、Lab空间阈值分割、Lab空间聚类分割的效果进行了分析与比较,证明了Lab空间阈值分割的效果较好,最后结合交通标志的颜色信息,采用Hough变换方法定位出圆形路标,采用最优拐角检测方法定位出三角形和矩形路标。实验结果证明,该方法能准确定位出交通标志。     

基于实景图像的道路限速标志检测算法研究

在基于道路图像的交通标志识别系统中,关键步骤之一就是对图像中的交通标志能够快速有效地检测.以分析限速标志为例,根据限速标志的特点在图像中寻找到其所在的位置并提取出相关区域,为图像的识别做好前期准备.为了提取出交通标志,采用了颜色预处理、形态学滤波、二值化后的连通域处理和圆的检测等方法.实验表明,该方法能有效地从实景图像中提取出含有交通标志的区域.     

基于支持向量机的交通标志识别方法研究

提出一种基于支持向量机的交通标志识别算法。该算法利用交通标志的形状和颜色特征,对在环境中的交通标志图像进行交通标志定位和种类划分,然后利用Hu不变矩对各种类中的交通标志进行特征值提取。最后将特征值输入到支持向量机中,利用支持向量机良好的学习和泛化能力对交通标志进行识别。实验结果表明此方法对交通标志识别准确性很高。     

基于决策树型SVM的交通标志图像识别

由于采集信息装置简单和外界环境复杂,以及对识别方法的实时性、准确性要求,使得交通标志识别成为一项难题．首先根据交通标志特殊颜色信息和规则几何外形,利用边界矩技术迅速清除干扰区域,然后将剩下的区域规格化,送入训练好的决策树型支持向量机识别．在决策树型向量机训练阶段,使用模糊聚类算法,较好地完成了树型建构,使向量机具有良好的区分度．对大量实景图像进行实验证明,本研究方法具有平移、旋转、缩放、拉伸不变性和较强的容噪能力．     

透光道路交通标志牌的原理与应用

交通标志的视认性严重影响行车安全。通过在标志牌的图案或字符上设置圆形透光孔,使得标志牌具有透光性,从而提高逆光下交通标志内容的视认性。阐述了透光道路交通标志牌的结构原理、制作步骤和适用范围,及其在南京-洛阳高速公路安徽段的试用效果。为透光道路交通标志牌大规模地应用提供参考。     

基于改进Hu不变矩的路面交通标识识别

复杂环境下路面交通标识识别是车辆安全辅助驾驶、车辆自主导航等领域的重要研究内容.针对路面交通标识特征,采用一种控制点快速获取方法得到场景透视投影中的变换矩阵,进而在场景重建基础上利用Hough直线检测方法建立当前车道线的区域模型,在该区域内采用最大化一维信息熵方法分割出交通标识,利用Canny边缘检测算子检测其边缘特征,最后通过改进的Hu不变矩特征实现了路面交通标识的有效识别.实验结果表明,所提的方法对于复杂环境下的路面交通标识识别具有良好的可靠性和鲁棒性.     

Hu不变矩特征在道路交通标志识别系统中的应用

在道路交通标志识别系统设计中,交通标志的检测技术是非常关键的部分之一。针对交通标志检测过程中,提出Hu不变矩特征在交通标志检测中的应用,通过Matlab和C＋＋仿真得出结果,根据交通标志Hu不变矩的特点,能够较好地检测出交通标志的特征。     

多特征融合的交通标识视认性评测方法

针对目前交通标识视认性评测方法误差过大的缺点,提出了一种高精度交通标识视认性评测方法。该方法根据道路环境中不同因素对交通标识视认性的影响,计算了标志牌图像中的颜色特征、亮度特征、复杂度特征,并考虑标志牌背景的影响,计算了标志牌和背景之间的颜色对比特征、亮度对比特征和复杂度对比特征,综合考虑以上6种特征及特征相互之间的影响,利用自顶向下(top-down)和自底向上(bottom-up)视觉模型建立多特征融合的交通标识视认性评测模型。通过模型实现了对识别出的标志牌进行视认性评测,反馈模型推测的视认性值。通过实验对多特征融合的视认性评测模型的有效性及模型精度进行了评测。结果表明,该模型能够高精度推测标志牌视认性值,且达标率在89%以上。     

高速公路互通立交交通标志评价研究

高速公路互通交通标志的完整性与有效性直接影响交通运行的安全性与舒适性。运用层次分析法和综合模糊评价法对高速公路互通交通标志的有效性进行评价,从互通立交交通标志的版面设计、布设以及结构层面建立评价指标体系,对高速公路互通立交交通标志有效性进行量化评价;通过案例分析验证高速公路互通交通标志评价模型的可行性与实用性。     

基于集成卷积神经网络的交通标志识别

以交通标志识别为研究目的,提出一种基于集成卷积神经网络的交通标志识别算法,通过对多个不同结构的卷积神经网络进行集成以提高算法识别率。为了缩短网络训练和测试时间以及提高网络识别率,对单个卷积神经网络的结构进行了优化。使用ReLU(rectified linear unit)激活函数来代替传统的激活函数,使用批量归一化(batch normalization,BN) 方法对卷积层输出数据进行归一化处理,将卷积神经网络的分类器用支持向量机(support vector machine,SVM)代替。使用德国交通标志识别数据库(german traffic sign recognition benchmark,GTSRB)进行训练和测试,实验结果表明,提出的算法识别率为98.29%,单幅交通标志图像测试时间为1.32 ms,对交通标志具有良好的识别性能。