道路图像中倾斜交通标示的检测
时间:2020-05-30 17:01 来源:毕业论文 作者:毕业论文 点击:次
摘要交通标志的检测和识别已经进行了多年研究,倾斜标志对检测和识别工作带来了较大困难,文章采用颜色分割和最大极值稳定区域检测方法来检测倾斜交通标志,寻找出候选区域。建立训练集和测试集,提取样本 HOG 特征,使用支持向量机进行分类训练,得到分类模型。最后通过提取候选区域的HOG 特征,用训练处的模型进行分类,从而识别出标志类型。在一般场景中,模拟实验表明该方法有较高的准确度和较快的检测速度,但在较复杂环境中,准确度有所下降。文章中使用方法针对倾斜交通标志,但对一般场景同样适用。50102 毕业论文关键词 颜色分割 最大极值稳定区域 支持向量机 候选区域 Title The detection and recognition of patched trafficsign on road image Abstract The detection and recognition of traffic sign has been processing for many years.However, the inclination of sign makes the recognition difficult. In thisarticle, color segmentation and maximally stable extremal regions are used torecognize the traffic signs, which helps to find out the candidate region. Thenby building up the training and testing sets and extracting the HOG features andusing the support vector machine to classify, we can obtain the model andclassification. Finally, by extracting the HOG feature of the candidate region,we can classify these samples. In this way, we can recognize the type of sign.In the common situation, this method shows high accuracy and speed. But as thesituation become complicated, the accuracy may be damaged. The method in thisarticle pins on the lean sign, but it can work in most common situation Keywords color segmentation MSER support vector machine region of interest 目次 1绪论..1 1.1课题背景1 1.3文章主要内容3 2基础知识..4 2.1最大极值稳定区域(MSER)..4 2.1.1MSER定义..4 2.1.2MSER提取..5 2.2HOG特征提取.6 2.2.1HOG特征.6 2.2.2HOG特征提取..7 2.3支持向量机(SVM)..9 2.3.1支持向量分类机9 2.3.2SVM分类过程11 3模拟实验12 3.1交通标志检测.12 3.1.1图像预处理12 3.1.2检测步骤.14 3.1.3检测结果.14 3.2交通标志识别.16 3.2.1数据集制作16 3.2.2SVM分类..17 4结果与分析..18 4.1实验结果.18 4.2结果分析.20 结论..22 致谢..24 参考文献25 图2.1MSER的数学定义..4 图2.2MSER示例图..5
图2.3左侧为灰度图,右侧为二值图像.6 图 2.4 单元格和块区域的关系...7 图 2.5 梯度方向分块8 图 2.6 HOG特征示意图 9 图 2.7 线性可分例子. 10 图 2.8 非线性分类..11 图 3.1 原图像..13 图 3.2 输入的四种灰度图像.13 图 3.3 图像检测流程图. 14 图 3.4 MSER检测结果 15 图 3.5 MSER最终候选区域15 图 3.6 交通标志类别. 16 图 3.7 限速20 训练集... 16 图 3.8 HOG单元格和块区域..17 图 3.9 SVM训练流程图.. 17 图 4.1 实验流程图..18 图 4.2 实验结果示意图. 19 图 4.3 实验结果示意图. 19 图 4.4 实验结果示意图. 20 图 4.5 漏检标志分析. 21
表 4.1 实验结果数据统计表.19 |