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。     

一种快速的交通标志检测算法

交通标志识别包括交通标志检测和交通标志分类两个步骤,而决定交通标志识别实时性的关键在于交通标志的检测这一步骤.如何快速检测可能出现的交通标志的区域是实时交通标志识别的关键.本文就目前交通标志检算法普遍存在实时性不足的问题,提出了基于颜色概率模型和BING的快速交通标志检测算法.实验结果表明,本文提出的算法能快速地从待检测图像中筛选出包含交通标志的尽量少的候选窗口,不需要处理传统的滑动窗口方法产生的数万或数十万窗口,进而减少整个交通标志检测的时间,达到实时检测交通标志的要求.     

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。     

基于特征匹配的交通标志识别算法

智能交通系统（ITS）是当前研究的热点,而在ITS中的关键技术之一就是交通标志的特征提取技术.针对交通标志的特征提取,提出利用尺度不变特征变换（SIFT）算法提取交通标志的点特征,采取最小距离分类器对特征向量进行分类,并通过Matlab、仿真验证实验结果,结果表明能够较好地检测出交通标志的特征.     

海南环线高速公路交通标志更换设计综述

国家高速公路网命名和交通标志更换工作是交通部下达的一项重要任务,本文结合海南环线高速公路交通标志更换设计工作,阐述了新标准与旧标准的主要差异,总结了交通标志更换工作的设计经验。     

我国交通标志设计的规范性问题研究

道路交通标志是"道路语言"的重要内容,在交通管理中发挥着重要作用。然而现行国标中的交通标志在设计、设置以及认识上却存在着许多不规范的情况,致使交通标志起不到应有的作用,有些标志甚至形同虚设。文章根据对现实生活中交通标志的不规范情况进行收集、分析、研究,增设了新的交通标志,对现行GB5768—1999《道路交通标志和标线》国家标准中部分标志的不规范情况进行了改进。     

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。     

高速公路和隧道交通标志位置有效性的眼动研究

交通标志是交通安全的重要保障,其位置的不同对驾驶员有效获取标志信息具有重要影响。为研究交通标志位置的有效性,选取驾驶员视角的高速公路和隧道交通标志图片制作模拟场景开展眼动实验;将场景中交通标志的区域划为兴趣区域;采集了30个被试的首个注视点的注视顺序、首次进入时间、首个注视点的注视时间、总的注视时间等指标数据;运用SPSS 24.0统计软件和假设检验方法分析实验采集的眼动数据。结果表明:在高速公路场景中交通标志显著有效位置为(3)(右上)和(6)(右中),在隧道内场景中交通标志显著有效位置为(6)(右中)和(4)(左中)。实验结果可以为高速公路、隧道等路段交通标志位置的设置提供一定的科学参考。     

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。     

基于机器视觉的交通标志识别系统设计

以MATLAB的Simulink和计算机视觉工具箱为基础,分析了其在交通标志识别中的应用。交通标志识别系统采用Simulink模块进行搭建。系统由视频输入、检测识别和视频显示模块构成。视频输入模块对采集视频中的视频帧进行颜色空间转换,检测识别模块通过函数编写来实现当前图像与模板库标志对比来识别交通标志。为验证系统的有效性,通过对行车记录仪视频进行实验,实验结果表明,系统可以对交通标志进行有效识别,实时性和鲁棒性较好。     

交通标志结构的力学模型研究

交通标志作为具有特定功能的结构物，要充分考虑到其在承受荷载时的力学强度、刚度和稳定性，使其能在各种自然环境中不间断地发挥功能。本文对悬臂式交通标志杆结构设计的力学模型进行了系统的探讨，分析了交通标志结构设计应考虑的关键因素。     

基于CNN和Bagging集成的交通标志识别

针对直接集成简单分类器对交通标志数据库进行识别出现的类别预测效果较差的问题,提出一种基于卷积神经网络(CNN)和Bagging集成学习的交通标志识别算法,采用爬虫和图像增强技术实现交通标志数据集的扩充,以CNN网络提取交通标志图像的特征,通过采用最大池化层实现图像数据下采样,采用较浅的网络深度以简化整体网络结构。在CNN网络特征提取的基础上,利用软投票机制对多项Logistic、K近邻、SVM个体学习器进行集成,实现较准确的交通标志识别。实验结果表明,该算法在TSRD交通标志识别数据库测试集上的识别准确率达到了93.00%,相对于未改进的卷积神经网络模型识别准确率提高了11.99个百分点,并较高于通过VGG16和ResNet50迁移学习实现的识别准确率,具有较快的收敛速度。     

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.     

实用交通标志自动识别方法

交通标志的自动识别对于导航电子地图数据采集和更新效率的提高有着重要的应用价值．通过对交通标志影像的特征分析，在RGB模型的基础上，使用自适应分量域值进行图像的归一化，能快速准确地抽取交通标志特征影像．采用多向颜色直方图最小二乘法特征匹配进行特征识别，可以有效地识别出变形、缩放、部分遮挡及污脏的交通标志，通过C#编程进行相关图像处理算法的实现，在对实际的交通标志影像的自动识别试验中取得了良好的效果．     

基于视觉认知的禁令交通标志检测

根据交通标志的反差特性会强烈吸引人类视觉注意的设计原则, 结合生物视网膜会强烈响应场景中大反差视觉刺激的机理, 将基于视觉反差的层次结构的显著性分析框架引入交通标志的检测问题, 提出一种适合现实街景中交通标志检测的多线索视觉注意模型, 将对交通标志的检测定位转变为对显著目标的发现与分割问题。实验表明, 所提方法优于典型的显著性方法在面对现实街景时的目标检测性能。     

融合RepVGG的YOLOv5交通标志识别算法

准确检测交通标志已成为自动驾驶不可或缺的任务之一。基于现实场景中小而密集的交通标志,传统方式检测交通标志存在精度较低这一缺陷。针对此问题,提出一种融合RepVGG模块的改进YOLOv5的交通标志识别算法。首先将原算法的部分CBS模块替换为RepVGG模块,加强特征提取能力。并在Neck层融合CBAM注意力机制,强化检测模型的抗干扰能力。最后,在网络训练过程中,使用EIOU损失函数来弥补GIOU损失函数的不足,提高算法的检测精度与迭代速度。实验结果表明,改进后的YOLOv5算法,迭代速度更快,在CCTSDB交通标志数据集上的P、R、mAP值分别达到91.55%、85.04%、91.71%,相比YOLOv5算法能够更好的应用到实践当中。     

基于视觉特征和信息传递的高等级公路交通标志设置有效性分析

道路标志在现代道路交通中发挥着重要的作用.本文通过驾驶员对交通标志设置的基本要求,对公路交通标志的设置进行了分析.在基于驾驶员视觉特征和信息传递的条件的分析的基础上,得出了交通标志设置应该满足的要求,为交通标志的设置提供了可靠的建议.     

基于数学形态学的交通标志自动识别

本文提出了基于数学形态学理论的交通标志自动识别方法，并研制了一个实验系统．运用数学形态学方法对交通标志的内核形状进行形态处理并提取其形态骨架函数，根据内核形状的形态骨架特征对交通标志进行分类，以达到识别交通标志的目的．实验结果表明形态骨架函数能有效地表达交通标志的内核形状特征，以形态骨架函数作为物体的形状特征进行模式匹配，能较好地识别交通标志．新的形态骨架匹配算法具有位移不变性质，使得识别具有良好的稳健性     

基于信息传递原理的交通标志信息量化算法

为了提高驾驶安全和交通出行效率,解决交通标志的信息量量化及超载阈值统一标准问题,论文基于通信系统传播的一般模型和交通标志信息传递机制,分析了影响交通标志信息量量化评价的主要影响因素,引入无记忆信息量和有记忆信息量计算原理,提出了交通标志信息量量化算法。驾驶视认实验结果表明:考虑标志字高、驾驶员关注度参数影响的有记忆信息量算法可以较准确体现驾驶视认时间与信息量之间的关系,验证了算法的可行性,揭示了不同驾驶员特性、车速等对交通标志信息量的内在影响机制。根据视认实验结果,初步确定了车速为40、50、60 km/h下交通标志信息量超载阈值区间,案例分析结果说明该阈值区间可以用于交通标志信息量超载检查和评价。