交通标志识别ppt课件.pptx

《交通标志识别ppt课件.pptx》由会员分享，可在线阅读，更多相关《交通标志识别ppt课件.pptx（46页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、ADAS交通标志识别第三组：刘磊162052160741交通标志识别背景交通标志识别背景道路道路标志志识别 时间进入21世纪，经济全球化不断深入发展，中国经济也得到了迅猛发展，中国汽车的数量急剧增加，但是汽车数量的增加带来了环境的污染和交通的堵塞，而长时间拥堵导致驾驶员的疲倦、情绪波动、过程中接听手机以及由于大雾等天气原因造成的对道路交通标志信息的误判都有可能引发严重的交通安全事故。在这样的背景下世界各国争相发展智能交通系统与先进辅助驾驶系统。而交通标志识别作为其中的一个重要组成部分，也吸引了越来越多的学者与机构的研究兴趣。1交通标志识别背景交通标志识别背景道路道路标志志识别背景背景 随着智能

2、汽车以及无人驾驶技术的快速发展，交通标志识别技术的研究正面临许多的新要求，新挑战。迫切需要有更加快速与适应性良好的检测分割技术与特征提取识别方法来提升系统的可靠性，鲁棒性，实时性。同时，随着现代科学技术的发展，特别是图像处理技术，计算机视觉技术，机器学习技术的长足进步与系统工程思想的深入，人们在对这些技术进行集成的基础上提出了许多新的交通标志检测与识别方法，使得交通标志检测与识别的研究越来越趋向于实际应用，1交通标志识别背景交通标志识别背景道路道路标志志识别背景背景 而不管使用何种技术手段，如何提高在复杂的真实场景中交通标志的定位准确率和分类准确率，如何提高检测分割、特征提取、分类算法的处理速

3、度，如何使得所采用的技术以及开发的系统具有广泛的适用性与实际使用价值等，成为许多交通标志识别研究领域的相关学者与机构急需解决的共性问题。2 交通标志识别目的及意义 实时交通标志识别系统通过对行驶过程中前方道路出现的交通标志图像进行及时采集和准确分类，然后把识别结果通过视频或者语音方式传递给司机以辅助驾驶，在无人驾驶汽车上甚至可以通过交通标志识别系统得到的识别结果来给汽车提供指令，以达到自动驾驶的目的。道路道路标志志识别国内外研究国内外研究现状状国内研究现状国内研究现状 国内关于交通标志识别研究最近几年才开始，加之交通标志自动识别系统的研究具有一定的难度，国内关于交通标志识别的研究成果并不多，到

4、目前为止商业应用的交通标志识别系统还只是少数汽车电子公司或者研究所的研究计划。道路道路标志志识别国内外研究国内外研究现状状国内研究成果国内研究成果1、王坤明等人2004年提出了采用BP神经网络来对静态的交通标志图像进行分类，能识别11种标志。2、宁波大学的朱双东教授等人2006年提出了一种三角形交通标志的检测方法，该方法首先在HIS颜色空间提取红色，再使用LOG模板在检测的区域进行边缘检测，对检测到的点进行顶点判别，判断顶点是否满足三角形的几何条件。道路道路标志志识别国内外研究国内外研究现状状国内研究成果国内研究成果3、朱双东教授2007年提出了一种用于道路交通标志的颜色几何模型，根据颜色形状

5、对把交通标志进一步细分为7个子类，对交通标志的先验知识做了一个提炼，并未涉及检测与识别。4、东北大学王楠等人2010年提出了基于多线索混合的交通标志检测与跟踪方法，算法具有较好识别精度，时间复杂度较高。道路道路标志志识别国内外研究国内外研究现状状国内研究成果国内研究成果5、中南大学蔡自兴教授等人2013年提出了一种DT-CWT与2DICA分析的交通标志识别方法，该方法首先把彩色图像灰度化，并规范化，然后进行DT-CWT变换，使用2DICA方法描述特征，最后使用最近邻域分类法识别，算法对50幅标志图像的识别精度达到97%。总之国内关于交通标志识别的己经公开发表的研究成果还比较少。道路道路标志志识

6、别国内外研究国内外研究现状状国外研究现状国外研究现状 国外关于交通标志的研究起步比较早，按照时间大致可以划分为两个阶段；阶段一阶段一：1987年至21世纪初是第一阶段，这个阶段着重于方法探索，比较多地是针对检测，分割，分类的某些环节进行研究。阶段二阶段二：2000年至今是第二阶段，2000年以后开始推出一些简单的交通标志识别系统，并且在检测与识别的准确率以及处理时间上不断地取得了一些成绩，这一段时间随着其他技术的发展，道路道路标志志识别国内外研究国内外研究现状状国外研究现状国外研究现状 算法的性能与硬件的计算性能有了一定的提升，对于交通标志识别的研究起到了很大的推动作用。道路道路标志志识别国内

7、外研究国内外研究现状状国外研究成果国外研究成果1、1987年，日本学者Akatsuka and Imai开启了交通标志识别系统的研究，该研究使用闽值分割与模板匹配方法来识别限速标志，一幅标志的平均识别时间大约为0.5秒。2、Ghisio等人提出了一种三阶段识别流程包括:颜色分割、形状检测和使用神经网络方法进行标志分类。道路道路标志志识别国内外研究国内外研究现状状国外研究成果国外研究成果2、Lopez and Fuentes等人在CIELab颜色空间检测交通标志并且使用高斯分布来为颜色像素建模。3、2011年以后，国外市场上出现了几种商业的交通标志识别系统，包括德国大众汽车公司的交通标志识别系统

8、以及Mobileye公司的交通标志检测系统。但是这些商用系统也只能识别非常有限的交通标志类型。自然场景下获取的交通标志图像或者视频包含大量其他物体的干扰与遮挡。光线以及褪色等原因导致的交通标志颜色失真。1任意场景 交通标志牌由于破损、遮挡、变形导致的形状严重区别于真实形状。2颜色失真3形状失真交通识别十大难点同一个交通标志在背景中的尺寸大小也会随距离不断变化。随着汽车的运动在摄像机与所获取的交通标志之间的夹角会不断变化，使交通标志图像出现任意视角畸变。4尺寸变化 按照国标，交通标志种类数有116种，这还不包括派生类型，品种繁多增加了是别的难度。5视角变化6品种繁多交通识别十大难点准确性太低，不

9、仅起不到预期的辅助驾驶作用，反而引发交通安全事故。实时性:交通标志识别系统要求具有实时的处理速度，单帧处理速度小于100ms才基本上称得上实时，因而要求算法以及硬件设备支持高速处理。7准确性 交通标志识别系统统的应用不仅要克服技术难点，同时系统的经济成本也是一个重要的制约因素。8实时性9经济性交通识别十大难点有公用样本数据:分类器的性能是由所使用的训练样本数据决定的，现在国内还没有公开的样本数据库。10没有公用数据样本 交通识别十大难点交通标志基本知识交通标志主标志警告标志禁令标志指示标志辅助标志指路标志 警告标志 禁止标志指示标志交通系交通系统识别系系统交通系统识别步骤交通系统识别步骤1图像

10、预处理技术2目标检测技术3特征提取技术4目标识别技术交通交通识别关关键技技术图像像预处理理 由于交通标志图像所处的环境复杂，具有噪声大、干扰多、光线影响大、背景复杂等，为了给交通标示检测与识别提供高质量的输入图片，需要对摄像头采集的图片进行预处理，从而使得交通标志的定位分割、特征提取以及匹配识别的复杂度和难度大为减少，从而有效地提升系统的准确率和处理速度。为什么要什么要预处理理图像像预处理理如何预处理图像预处理图像增强频域增强通过对图像的傅里叶变换进行处理空间增强对图像像素直接处理图像去噪空间域复原频率域复原图像像预处理理方法方法方法方法图像增像增强平滑空平滑空间滤波波直方直方图处理理混合空混

11、合空间增增强锐化空化空间滤波波双双Gama校正校正逻辑操操作增作增强图像像复原复原方法多方法多不固定不固定直方直方图均衡均衡图像增像增强实例例图像像检测检测目的目的 检测的目的就是要在背景中准确定位标志并把检测到的标志传递给下一个处理步骤。交通标志检测系统是交通标志识别系统的一个重要组成部分。交通标志如果不能被正确的检测就不能实现正确的识别。图像像检测检测方法方法检测方法方法基于基于颜色的色的闽值分割分割方法方法基于交通基于交通标志志颜色色信息的信息的检测器利用器利用标志独特的背景或志独特的背景或者者边框框颜色来色来寻找找标志志基于形状特征的方法基于形状特征的方法基于形状的基于形状的检测器器完

12、全忽略完全忽略标志的志的颜色信息而是在其中色信息而是在其中寻找特定形状从而找特定形状从而找到找到标志。志。交通标志分割方法交通标志分割方法图像分割像分割基于边缘的交通标志分割Prewitt算子Sobel算子Laplace算子Roberts算子Canny算子基于边缘与区域的混合分割基于区域的交通标志分割闽值法区域生长区域合并法分水岭法基于边缘的图像分割方法就是基于亮度的不连续变化来分割图像。基于基于Canny的交通标志分割实例的交通标志分割实例基于区域的基于区域的图像分割方法就是根据事先确像分割方法就是根据事先确定的定的规则将目将目标图像分割成相似的区域像分割成相似的区域基于基于Canny的交通

13、标志分割实例的交通标志分割实例基于基于边缘和区域的交通和区域的交通标志混合分割方法的志混合分割方法的实现步步骤3、对转化的灰度图像进行高斯滤波2、转化为灰度图像1、载入RGB图像6、展示运算效果5、进行闽值运算4、调用Canny()函数对图像进行运算基于边缘的阈值分割实例基于边缘的阈值分割实例基于基于SURF的交通的交通标志志识别算法算法基于基于SURF的交通的交通标志志识别步步骤基于基于SURF的交通的交通标志志识别步步骤基于基于SURF的交通的交通标志志识别SURF特征提取与模板匹配SURF算法流程算法流程基于基于SURF的交通的交通标志志识别实验与分析与分析实验设备包括:一台联想G470

14、笔记本电脑，主频2.3GHz,内存2G，编程环境为Microsoft Visual Studio 2010，使用开放源代码计算机视觉库Opencv2.3.1。本实验中，选取30幅含有交通标志的图像进行测试，所有图像的尺寸规范化为300乘以200像素，所有标志模板尺寸规范化为30乘以30像素。在本实验中，三个颜色区域的选择闽值参数e分别取300,60,260,5=0.3。使用SURF特征提取算法来提取交通标志图像的稳定有效特征向量。这里，我们使用红色外接矩形来限定每一个交通标志区域的定位结果。基于基于SURF的交通的交通标志志识别实验结果果经过直方图均衡化与高斯滤波后效果图经过直方图均衡化与高斯滤波后效果图基于基于SURF的交通的交通标志志识别实验结果果图像增强与阈值分割图像增强与阈值分割基于基于SURF的交通的交通标志志识别实验结果果交通标志的定位结果交通标志的定位结果基于基于SURF的交通的交通标志志识别实验统计交通标志测试样本数据交通标志测试样本数据基于基于SURF的交通的交通标志志识别实验统计与其他方法的比较与其他方法的比较基于基于SURF的交通的交通标志志识别实验结论 使用模板匹配方法对30幅交通标志图像的平均识别时间为0.083秒每帧，平均识别率为96.7%，实验表明算法具有较好的准确率和实时性。