摘要交通标示起到管理和警示路面交通状况的重要作用,及时检测识别出交通标示可以 提高交通运输的安全性,其中遮掩交通标志的检测和识别是一个重点,也是一个难点。 在本文中,我们结合 Hog 特征训练级联检测器,从而在复杂环境图像中检测到感兴趣的 区域,作为识别阶段的输入。而在识别阶段,我们分别利用 Autoencoder,SVM,并各自 结合 ECOC 框架共 4 种方案来分类遮掩交通标志。我们比较其分类效果,最后采用了 ECOC 框架结合 SVM 分类器的方案。最后,我们对遮掩交通标志的自动检测和识别系统在德国 交通标志数据集上进行了测试,正确检测识别率达到了 75%。77321
毕业论文关键词 遮挡交通标志 Hog 特征 级联检测器 SVM ECOC 框架
毕 业 设 计 外 文 摘 要
Title Automatic Occluded Traffic Signs Detection and Recognition in Complicated Environment
Abstract Road signs are used to regulate complicated traffic environments。 An automatic traffic signs detection and recognition system will make driving safer。 One of the important and difficult research issues of this system is the detection and recognition of occluded road signs。 In this paper, we train a cascade detector with Hog features to detect regions of interest which will be the input of recognition phase。 Within the section of recognition, we use 4 kinds of methods including Antoencoder, Autoencoder with ECOC framework, SVM and SVM with ECOC framework to classify occluded traffic signs。 Comparing the performance of each classification method, we finally adopt SVM with ECOC framework to do classification task。 In the end of this paper, we test our system on the road signs dataset of German, and the performance of the whole system reaches 75% accuracy rate。
Keywords occluded traffic signs, Hog features, cascade detector, SVM, ECOC framework
本科毕业设计 第 I 页
目 次
1 引言 1
1。1 研究背景及意义 1
1。2。1 检测方法发展现状 1
1。2。2 识别方法发展现状 2
1。3 本文研究内容与结构 3
2 检测方法 4
2。1 Hog 特征 4
2。1。1 色彩和 Gamma 归一化 4
2。1。2 各像素的梯度计算 4
2。1。3 各单元(cell)的 Hog 特征 5
2。1。4 每个块(block)的 Hog 特征 5
2。1。5 图像窗口的 Hog 特征 6
2。2 Viola-Jones 检测器 6
2。2。1 弱分类器的训练