论文基于特征匹配算法的交通标志牌检测和识别是关于本文可作为相关专业标志牌论文写作研究的大学硕士与本科毕业论文标志牌论文开题报告范文和职称论文参考文献资料。
摘 要：随着社会经济发展,机动车数量增加,智能交通系统将成为时展的必然要求.而交通标志识别是智能交通系统的重要环节,更是车辆自动导航的前提,具有重要的研究意义和应用价值.针对4类交通标志,即禁止掉头、禁止前行、禁止左转、禁止右转,从以下几个方面进行研究：（1）基于RGB颜色空间进行阙值分割；（2）通过标志连通域比例进行提取；（3）基于现实情况,构造多场景下的训练集,进行训练识别.实验结果显示,该算法可有效的识别出不同光照条件下发生变形、缩放及旋转后的交通标志牌,交通标志牌识别准确率达到了92%.
关键词：交通标识； 标识提取； 标识分割； SVM
中图分类号：TP302 文献标识码：A 文章编号：1009-3044（2018）11-0192-04
Traffic Signboard Detection and Recognition Based on Feature Matching Algorithm
QIN Song, CHEN Xiao-yu ,HAN Peng ,JIA Xia-Lin*
（College of Computer Science and Technology,SouthWest University of Science and Technology,Mianyang 621000,China）
Abstract：With the development of society and economy, the increase in the number of motor vehicles, the intelligent transportation system will become an inevitable requirement for the development of the times. Traffic sign recognition is an important part of ITS, and it is also a precondition in vehicle automatic nigation. So it has important research significance and application value. This article aims at four types of traffic signs,namely, prohibiting U-turn, prohibiting forward turn, no left turn, no right turn, and the following aspects are studied： （1） Threshold segmentation based on RGB color space （2）Extraction based on the proportion of connectivity domain（3）Based on the actual situation, the training set under multi-scene is constructed and trained.The experimental results show that the algorithm can effectively identify the traffic signs with deformation, scaling and rotation under different light conditions,and t the traffic sign recognition accuracy reaches 92%.
Key words： traffic identification； dentification extraction； identification segmentation； SVM
1引言
智能交通系統（Intelligent Traffic System,简称ITS）,是将先进的科学技术有效地集成运用于整个交通运输管理体系,而建立起来的一种在大范围内发挥作用的,高效的综合运输管理系统.在智能交通系统中,如何识别交通标识是非常重要的.交通标识的识别要求分类正确,速度快,对图像的平移、旋转变换,光照强度,天气因素不敏感.
近几年来,基于视频交通标志牌的研究有了很大进展,各种算法被相继提出.文献[1]提出了一种通过特征互补方式来提高标志图像的识别方法,但是在干扰情况下,准确率会降低.文献[2]采用模块匹配的方法可以识别出不同类型的交通标志,但是由于模板数量之多,在识别时不具有实时性.文献[3]基于不变矩和SVM方法对原形标志图像进行识别,具有良好的分类能力,具有较好的识别率,但仅对圆形交通交通标志有效,不具有实用性.
本文首先对图像分析进行RIO（region of interest）提取,接着对提取出来的图像进行训练集构造[4],最后对图像进行训练和交通标识符识别.实验表明,当拍摄点距离交通标识牌2.5米-3.5米,交通标识牌呈像长宽比在0.9-1.1、且光照正常时,该方法的识别正确率可达92%,能够在车辆导航中对交通标识进行实时的识别.
2 RIO提取
2.1颜色特征分析
本文中要识别的交通标志形状主色为红色,但在自然场景中由于光照情况的不同,比如在不同天气,位置下拍摄的交通标志颜色上会出现明显的色差和色散.特别在夜间行驶时,汽车灯光的照射是从下到上,使得拍摄的交通标志下半部分颜色比较鲜艳明亮,而上半部分的颜色却比较暗.在白天行驶时,太阳光从上方、侧方照射下来或者路边树木枝叶的遮挡,可能会导致拍摄照片出现部分区域颜色较暗,部分区域亮度过高甚至反光等问题.在雨天、阴天等光线不良的天气下行驶时,拍摄的图片整体会偏暗.为了避免以上自然条件下对目标区域颜色的影响导致ROI区域识别错误,实验在识别的时候是通过计算图片上该像素点的rgb颜色的r值的比例来提取的,若颜色值r的比例超过设置的阈值就将其颜色设置为255,否则设为0,此方法避免了光照影响结果.
总结:此文是一篇标志牌论文范文,为你的毕业论文写作提供有价值的参考。
参考文献：
1、 基于图像特征铜粗选过程病态工况识别 收稿日期：20130917基金项目：国家创新研究群体科学基金资助项目（61321003）；国家自然科学基金重点资助项目（61134006）；国。
2、 基于ORB特征点匹配多目标跟踪算法 摘 要：视频中的多目标跟踪是计算机视觉领域的一个重要问题 针对多目标跟踪过程中由于目标缩放、旋转、扭曲以及遮挡等问题的存在导致目标易丢失的问题，。
3、 模板匹配下的限速交通标志识别算法 摘要：为实现限速交通标志的快速准确识别，采用模板匹配对限速交通标志进行识别。首先图像进行倾斜校正，并在HSV颜色空间进行分割，提取感兴趣区域（R。
4、 程序代码抄袭检测中串匹配算法 【 摘 要 】 为了保证程序设计课程实践教学质量，避免学生抄袭，可以检测学生的源程序，代码的相似度是抄袭检测的关键技术。文章介绍了一种串匹配算法。
5、 改进的互信息特征选择方法在垃圾邮件检测中的应用 摘要：随着电子邮件数据量的不断增大，特征降维成为垃圾邮件检测研究中不可缺少的一环。目前常见的特征选择方法往往针对的是多分类问题，未能针对二分类问。
6、 图像纹理检测和特征提取技术综述 [摘 要] 图像纹理作为图像数据的重要信息，是符合人类视觉特征的重要信息之一。纹理检测与特征提取是纹理分类与分割的基础前提，可以应用到医疗、工业。