交通标志识别系统设计开题报告

 2020-02-10 11:02
1.目的及意义(含国内外的研究现状分析)

目的及意义:

为了从减少驾驶员的误操作方向入手来降低交通事故的发生,智能化交通驾驶辅助系统就非常的有必要。而智能驾驶辅助系统最主要的组成部分就是 TSR(TrafficSign Recognition)技术。

作为智能驾驶辅助系统的核心技术之一,交通标志识别技术在整个智能驾驶辅助系统中有着不可或缺的地位。

交通标志检测与识别系统也是自动无人驾驶系统的首要构成部分,并且正引起诸多的研究人员的注意力。通过交通标志信息的实时获取加上正确的判断,才能够保证无人驾驶车辆的安全性。对于交通标志识别,精度和实时处理都是十分重要的。然而,在实际的驾驶条件中,会遇到许多变形的交通标志,如旋转、平移、缩放等。

目前针对实际的应用背景,具体低计算复杂度、高分类速度、高正确分类以及较强鲁棒性和推广型的交通标志识别算法是研究人员重点关注并研究的重点,而无人驾驶系统如何真正替代驾驶员也是现在的一个研究热点。

国内外研究现状分析:

现在,国内外已经有很多的研究人员在交通标志的识别上展开了大量的探索和研究。交通标志检测和识别大致可以分为3个方面:

1)基于预处理的方法,这类方法通过预处理来定位和识别交通标志;

2)预处理与分类结合的方法,这类方法主要利用预处理方法和分类方法的结合来取得鲁棒的交通标志识别;

3)特征提取和分类集合的方法,这类方法利用人工设计的特征结合分类器使得识别更加鲁棒和计算高效。

1.基于预处理的方法

这类方法一般通过设计鲁棒的预处理方法来获得鲁棒的交通标志检测和识别。

Siogkas[7]等人提出了一个完整的自动系统针对交通标志的检测、追踪和分类。该系统通过在 Lab 颜色空间处理颜色和形状的信息来减少潜在的模板匹配的目。Coronado[8]等人提出了一个智能系统用于交通标志的自动识别,该系统主要针对亮度变化和部分遮挡的问题,利用预处理来定位交通标志可能出现的区域从而达到鲁棒的检测识别。Hu[9]等人利用视觉显著性模型来模拟人类视觉注意机制从而实现对交通标志的鲁棒检测。Larsson[10]等人利用傅里叶描述子来提取轮廓信息用于识别交通标志。Zhu[11]等人提出了一个基于颜色和几何形状信息的颜色-形状模型用于交通标志的分类,之后朱双东[12]等人也利用该模型来识别表通标志。Lee[13]等人首先利用颜色和形状信息来提取交通标志的候选区域,随后利用动态规划算法实现对标志的识别。Gu[14]等人设计了混合的摄像头系统,与算法相结合来识别交通标志。谷明琴[15]等人首先经过一定的预处理提取感兴趣区域,然后利用二元树复小波变换和二维独立分量分析相结合来识别交通标志。这些方法都要求对自然环境下的交通图像进行大量的预处理工作,并且在泛化能力和鲁棒性上存在一定的局限性。

2.预处理与分类结合的方法

这类方法通常都是基于机器学习,首先对图像进行预处理,然后利用分类器(SVM、Adaboost、DeepLearning)获得鲁棒的识别性能。Kuo[16]等人首先通过 Hough变换和角点检测来获取交通标志的精确位置,然后卷积神经网络和K-d树来识标志。Ciresan[17]等人和 Sermanet[18]等人都是利用卷积神经网络直接从输入数据中学习出具有判别性的特征用于交通标志识别,并获得很好的识别性能。然而,这类方法在训练以及分类上都需要非常大的时间复杂度。Lu[19]等人提出了一个基于稀疏表示的图嵌入方法用于交通标志的自动识别,从输入的交通标志结构中学习出一个子空间,然后利用稀疏表示来达到交通标志的分类。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;