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.     

基于球颜色模型的主色调提取与颜色名标注

将对立色的颜色空间距离设为1,建立了一种球颜色模型,利用该颜色模型统计图像像素的三维颜色直方图,利用极大值法提取图像的主色调;对1 031个中文颜色名的HVC值转换为该颜色模型值,利用最接近的中文颜色名描述图像的主色调,实现了对图像主色调的颜色名标注.     

基于模糊颜色提取的彩色图像分割

为了对彩色图像进行有效分割,提出了一种基于模糊颜色提取的新型彩色图像分割算法,这种算法可以有效的进行区域分割.首先,提出了一种模糊颜色提取方法,然后介绍了该算法,算法经过迭代可以选择典型的种子颜色来提取颜色分量,最后应用区域生长法可以确保所需区域的完整连通性.区别于现有的图像分割方法,本方法是将相同的像素分成几个模糊集,分割成功率提高10%左右.实验结果表明该算法可以合理分割出所需区域,避免冗余,并且具有较好的噪声抑制力和鲁棒性.     

基于颜色特征的等差线提取方法

提出一种基于颜色特征的等差线提取新技术,即采用彩色图像卡和摄像机,以白光照射下应力模型在圆偏振光场中等差线条纹的颜色为标志,采用RGB颜色空间表示图像的颜色特征,根据“最小色差准则”对等差线进行颜色聚类,实现等差线的快速,准确提取。     

基于颜色和形状的道路交通标志检测

提出了一种基于颜色分割和形状分析的交通标志检测方法.首先利用改进后的简单向量滤波器分割感兴趣色彩区域,对不同色彩区域进行相应形状检测.采用拐角特征与几何结构分析相结合的方法检测矩形与三角形标志,提出了一种基于对称性特征的简单编码算法,并应用于圆形检测.实验结果表明,该方法能在多种复杂场景中有效地定位交通标志,对天气变化有一定鲁棒性,为后继的交通标志识别工作奠定了良好基础.     

基于深度学习的交通标志检测方法研究

提出了一种基于Faster R-CNN深度学习框架的交通标志检测方法,使用VGG16卷积神经网络自动提取交通标志图像特征,并将卷积特征图传入区域建议网络(RPN)中进行前景目标筛选及回归目标边框,将建议区域框映射到特征图上,经过RoI池化层后输出固定大小的建议框,利用分类网络对建议区域进行具体的类别判断,并精确回归目标的边框。并将算法在德国交通标志数据集GTSDB进行了实验验证,实验结果表明了所提出算法的有效性,该方法对不同光照、遮挡、标志模糊等具有鲁棒性。     

基于彩色图像不变矩的交通标志特征提取方法

本文提出了一种利用RGB颜色差分矩阵对Hu不变矩进行加权的新方法．并将该方法和Hu不变矩投影变换快速算法相结合,对彩色交通标志的特征值进行提取．实验表明,该方法可以在Hu不变矩不受目标图像大小、位置、旋转等因素影响的基础上,进一步减小光照条件及天气因素对彩色目标图像的影响,快速、准确地提取出目标特征值,为目标识别提供依据．     

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。     

基于模糊集的车牌提取方法

利用了车牌的颜色特征与纹理特征,提出一种新的基于模糊集的车牌提取方法.该方法用图像颜色对区域检测、颜色对边缘检测、色度峰值统计及密集小边缘增强,使用模糊集算子综合它们的结果,精确提取出车牌.实验结果表明:对在不同条件下拍摄的图像应用本方法,车牌提取准确率达到98.0%.特别地对光照不均、背景复杂的图像,本方法仍具有很强的鲁棒性.     

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。     

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。     

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.     

交通标志的检测与识别研究综述

车辆的增多造成了交通事故的多发,智能技术有利于解决这一问题,交通标志牌识别系统应运而生。TSR通过对道路上的交通标志牌准确检测和识别,有效提示驾驶员规范和安全行驶,减少交通事故的发生。本文归纳总结近几年学者们的研究成果,利用交通标志牌的特征和有效的方法对其进行高效检测和识别,提高检测和识别的实时性和准确性。     

可变信息标志选址方法

主要讨论可变信息标志的宏观选址问题。在Probit分配模型的基础上,可变信息标志选址方法通过对随机误差项的讨论,确定提供道路信息条件下交通流分配情况。不同的分配情况,会带来不同的路网运行结果。采用BPR函数和HCM 2000的交叉口延误计算方法评价路网的运行情况,明确了可变信息标志选址计算流程,以4×4节点的棋盘状路网作为算例路网,进行可变信息标志选址的算例计算。在该方法的基础上讨论了信息覆盖范围对路网运行情况的影响以及信息准确度对路网运行情况的影响。结果表明：随着信息覆盖范围的扩大以及信息准确度的提高,路网总期望出行时间有减小的趋势。     

C-HMAX: Artificial Cognitive Model Inspired by the Color Vision Mechanism of the Human Brain

Artificial cognitive models and computational neuroscience methods have garnered great interest from both neurologist and leading analysts in recent years. Among the cognitive models, HMAX has been widely used in computer vision systems for its robustness shape and texture features inspired by the ventral stream of the human brain. This work presents a Color-HMAX (C-HMAX) model based on the HMAX model which imitates the color vision mechanism of the human brain that the HMAX model does not include. C-HMAX is then applied to the German Traffic Sign Recognition Benchmark (GTSRB) which has 43 categories and 51 840 sample traffic signs with an accuracy of 98.41%, higher than most other models including linear discriminant analysis and multi-scale convolutional neural network.     

基于区域生长的彩色图像颜色特征提取研究

针对彩色图像,提出了一种简单的颜色特征提取方法.该方法选取了适合彩色图像处理的区域生长算法,利用中值点法来改进其中种子点的选取方法,并结合RGB彩色空间中像素点的性质确定区域生长准则和终止准则.实验结果表明：该方法在保证区域连通性的同时,也能够简单高效地得到与人眼视觉判断相一致的有意义的图像特征提取.     

基于偏离指数的指路标志优化模型研究

 为了克服指路标志设置中过于依赖个人经验、以定性为主、定量为辅、局限于单个交叉口的设置与评价的缺陷,从指路标志影响用户的路径选择及行驶阻抗这一角度出发,采用偏离指数来衡量指路标志设置方案的合理性和有效性,提出了一个可获得最优的指路标志设置方案的优化模型。模型充分考虑了各OD对的重要程度,可用于指导实践中的指路标志设置,以取得较好的指引效果。