实时矩形交通限速标志识别系统

交通限速标志识别系统是汽车辅助驾驶系统的一项重要组成部分,本文提出了一种实时矩形交通标志识别系统.首先采用多尺度多区域的局部二值模式(LBP)特征训练Adaboost分类器进行交通限速标志的检测,然后利用线性预测的算法进行标志跟踪.识别预处理阶段,首先采用投影分析的方法对交通标志进行旋转校正,然后采用基于积分图的自适应二值化方法将图像进行二值化,再利用连通区域标记方法得到包含限速标志数字的最小矩形区域.识别时首先采用主元分析(PCA)进行特征向量提取,然后用聚类的方法构建二叉树的线性支持向量机进行分类识别.在普通笔记本电脑系统配置下,通过大量的实际道路场景的视频数据测试,系统取得了98.3%的正确识别率,平均处理速度达16帧/s.

BP神经网络下的限速交通标志实时检测识别

目前已有很多基于交通标志图片进行道路交通标志识别的系统研究,但存在误识别率较高的问题.因此文中基于视频数据对限速交通标志进行检测与识别,实现了限速交通标志的自动检测定位,并采用反向传播神经网络来进行道路标志的识别;同时,还采用连续自适应的均值漂移算法和光流法进行视频加速.实验表明,新提出的算法在耗时上缩短50%以上,检测识别准确度在90%以上,适用于相关智能识别领域.

基于维纳复原的道路限速交通标志检测

超速引发的交通事故数量急剧增加,为了提高道路驾驶安全性,提出一种基于维纳复原的道路限速交通标志检测方法。首先,对原始街景进行维纳滤波复原图像预处理;然后,根据道路限速标志牌轮廓形状和颜色等特征,在HSI彩色空间进行红色阈值分割、Canny边缘检测和Hough圆检测,对图像中的道路限速交通标志进行检测,定位出可能是道路限速交通标志的区域;最后,根据限速标志的内部特征排除定位出的非限速交通标志区域。实验结果表明,该方法对于我国常见的6类限速标志检测正确率达到了98.76%,符合限速标志检测系统的准确率要求。

模板匹配下的限速交通标志识别算法研究

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(ROI),然后利用垂直投影分割字符,最后通过和模板字符进行匹配,比较两者相似度来识别字符。实验结果表明,该方法能够有效分割出限速交通标志的字符,并能准确的识别出标志。