隨著汽車保有量的迅速增加,道路交通的暢通性和安全性成為智能交通系統(tǒng)的首要關(guān)注問題,而在汽車主動安全性領(lǐng)域,交通標志識別系統(tǒng)能夠及時為駕駛員提供道路交通信息,可以極大的減少交通事故的發(fā)生,因而設(shè)計一個能夠在汽車上應(yīng)用的交通標志識別系統(tǒng)具有極其重要的應(yīng)用價值。本文的研究對象是比較常見的三大類交通標志,主要是對其進行檢測、跟蹤和識別,然后將系統(tǒng)算法移植到嵌入式平臺上,進行應(yīng)用實現(xiàn)。交通標志檢測階段,為了能夠在復(fù)雜的背景或干擾中快速定位到交通標志,本文采用顏色和形狀雙重特征對其進行定位。通過對比RGB顏色空間和HSV顏色空間的顏色分割效果,選擇了HSV顏色空間進行顏色閾值分割,消除大部分背景,然后對顏色分割圖像采用了兩種算法相結(jié)合進行形狀檢測,分別是基于改進的Hough變換的圓形檢測算法與多邊形逼近的矩形和三角形檢測算法,提高了檢測準確率。交通標志跟蹤階段,為了提高視頻序列的檢測時間,采用卡爾曼濾波對圖像視頻幀進行跟蹤,同時為了提高跟蹤精度,提出了利用BP神經(jīng)網(wǎng)絡(luò)對卡爾曼濾波器改進的算法,主要是利用BP神經(jīng)網(wǎng)絡(luò)的學習能力來提高卡爾曼濾波的估計能力。交通標志識別階段,本文采用FHOG特征作為交通標...

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

圖2.2中值濾波處理效果圖

2基于顏色特征和形狀特征的交通標志檢測7由該像素點相鄰區(qū)域的像素點組成，然后對模板進行排序，使得其內(nèi)的值單調(diào)遞增或者單調(diào)遞減，然后取排序好的集合的中值，最后使用得到的中值代替該像素點的值。一般情況下為3*3或5*5的區(qū)域。定義權(quán)系數(shù)模板為：111111111mid中值濾波后的像素....

圖2.4灰度直方圖均衡化效果圖

2基于顏色特征和形狀特征的交通標志檢測9圖像經(jīng)過灰度直方圖均衡化和彩色直方圖均衡化處理后，其結(jié)果如下圖2.4和圖2.5所示。圖2.4灰度直方圖均衡化效果圖Fig2.4Grayhistogramequalizationrenderings圖2.5彩色直方圖均衡化效果圖Fig2.5C....

圖2.5彩色直方圖均衡化效果圖

2基于顏色特征和形狀特征的交通標志檢測9圖像經(jīng)過灰度直方圖均衡化和彩色直方圖均衡化處理后，其結(jié)果如下圖2.4和圖2.5所示。圖2.4灰度直方圖均衡化效果圖Fig2.4Grayhistogramequalizationrenderings圖2.5彩色直方圖均衡化效果圖Fig2.5C....

圖2.9不同顏色空間分割圖

重慶大學碩士學位論文12120，藍色為240，其中每種顏色對應(yīng)的補色角度比該顏色角度多180。色飽和度S取值由0到1，表示顏色的飽和程度。圓周上的取值為V=1，S=1，表示純色。V軸相當于RGB顏色空間中的主對角線，代表不同的灰度級。V黑綠黃藍品紅紅白1200SH0.0青1.02....

本文編號：4056430