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。