近年來(lái),隨著經(jīng)濟(jì)與科技的快速發(fā)展,汽車在人們的日常生活中越來(lái)越普遍,為人們的出行帶來(lái)了極大的便利。但是,不斷增加的汽車保有量和愈加復(fù)雜的交通路網(wǎng)也帶來(lái)了一系列交通擁堵和安全問(wèn)題。對(duì)此,智能交通系統(tǒng)應(yīng)運(yùn)而生,自動(dòng)駕駛系統(tǒng)作為其重要的組成部分得到了極大的發(fā)展。交通標(biāo)志識(shí)別作為自動(dòng)駕駛的關(guān)鍵技術(shù)之一,成為了機(jī)器視覺(jué)和模式識(shí)別領(lǐng)域的研究熱點(diǎn),引起了眾多專家學(xué)者和相關(guān)科研機(jī)構(gòu)的關(guān)注。然而,交通標(biāo)志種類繁多并且自然場(chǎng)景中天氣變化多端、光照強(qiáng)度不定、標(biāo)志存在相似背景等復(fù)雜的交通環(huán)境都給交通標(biāo)志識(shí)別帶來(lái)了一系列挑戰(zhàn)。本文在總結(jié)了大量國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上,利用深度森林及其相關(guān)知識(shí)重點(diǎn)進(jìn)行了交通標(biāo)志識(shí)別的算法研究。本文的交通標(biāo)志識(shí)別研究工作分為交通標(biāo)志檢測(cè)和交通標(biāo)志分類兩個(gè)階段,其主要工作包括:(1)在交通標(biāo)志識(shí)別的基礎(chǔ)預(yù)備方面,制作了國(guó)內(nèi)的道路交通圖像數(shù)據(jù)集結(jié)合公開的數(shù)據(jù)集構(gòu)成了初始數(shù)據(jù)集,并通過(guò)直方圖判斷其光照情況,對(duì)光照情況較差的圖像采用限制對(duì)比度的自適應(yīng)均衡算法進(jìn)行預(yù)處理。(2)在交通標(biāo)志的檢測(cè)階段,提出了一種HOG特征和SVM的交通標(biāo)志檢測(cè)方法。該方法首先通過(guò)統(tǒng)計(jì)交通標(biāo)志的顏色閾值后對(duì)其圖像進(jìn)行閾值分割,去除了大量干擾,然后利用最大穩(wěn)定極值區(qū)域算法對(duì)連通區(qū)域進(jìn)行檢測(cè),完成了交通標(biāo)志感興趣區(qū)域的粗提取,最后提取交通標(biāo)志感興趣區(qū)域的HOG特征,并結(jié)合SVM進(jìn)行二分類以確定真正的交通標(biāo)志區(qū)域。實(shí)驗(yàn)表明該方法在檢測(cè)時(shí)間上具有極大的優(yōu)勢(shì),同時(shí)實(shí)現(xiàn)了較高的準(zhǔn)確率。(3)在交通標(biāo)志的分類階段,在研究了隨機(jī)森林和深度森林算法的基礎(chǔ)上,提出一種基于深度森林的交通標(biāo)志分類方法。該方法利用多粒度掃描的方式把交通標(biāo)志數(shù)據(jù)切分成多實(shí)例特征,并且通過(guò)深度級(jí)聯(lián)森林對(duì)特征進(jìn)行逐層表征學(xué)習(xí)。實(shí)驗(yàn)結(jié)果表明該算法在準(zhǔn)確率和運(yùn)算時(shí)間上均得到了較好的效果。
【學(xué)位單位】：北方工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;U491.52
【部分圖文】：

第一章緒論??交通標(biāo)志的遮擋也是需要考慮的重要因素，例如圖１－２中第６列。??關(guān)剛酬??議??關(guān)＿?■■??圖１－２?ＧＴＳＲＢ數(shù)據(jù)集中識(shí)別難度較大的交通標(biāo)志示例??因此，由于交通標(biāo)志種類較多、道路交通環(huán)境復(fù)雜多變等因素，交通標(biāo)志的??識(shí)別面臨著很多實(shí)際的問(wèn)題。因此有部分專家和學(xué)者們將ＴＳＲ系統(tǒng)劃分為交通??標(biāo)志檢測(cè)和交通標(biāo)志分類兩個(gè)步驟進(jìn)行分別探討和研宄［３４？］。??（１）

大部分國(guó)家城市道路中常見(jiàn)的交通標(biāo)志主要包括警告、禁令以及指示３大類標(biāo)??志，其對(duì)駕駛員駕駛汽車有著關(guān)鍵的作用。本文主要針對(duì)禁令、指示和警告這三??種類型的交通標(biāo)志展開研宄和討論，圖２－１展示了我國(guó)這三大類交通標(biāo)志牌的部??分圖片，其中第一行為禁令標(biāo)志，第二行為指示標(biāo)志，第三行為警告標(biāo)志。這三??類交通標(biāo)志分別有具有如下特征：??禁令標(biāo)志：主要由白色背景、紅色圓圈、紅色條紋和黑色圖案組成。形狀有??圓形、八角形等，達(dá)到禁止車輛或限制行人、車輛行為的目的。??騎雜＿??圖２－１交通標(biāo)志示例圖??１０??

被分成３個(gè)大的類別，其中圖片數(shù)量被劃分為訓(xùn)練集６００張，測(cè)試集３００張。該??數(shù)據(jù)集被用于測(cè)試各種檢測(cè)方法的性能。ＧＴＳＤＢ數(shù)據(jù)集采集于自然場(chǎng)景中，包??含了不同光照環(huán)境和不同天氣情況下等可能造成交通標(biāo)志模糊不清的情況。圖２－??２為ＧＴＳＤＢ數(shù)據(jù)集中隨機(jī)抽取的道路交通圖像示例。??１．??圖２－２?ＧＴＳＤＢ數(shù)據(jù)集中隨機(jī)抽取的圖像??ＧＴＳＲＢ數(shù)據(jù)集是由ＳｔａｌｌｋａｍｐＪ等人在２０１１年免費(fèi)提供的數(shù)據(jù)庫(kù)，以供相關(guān)??研宄人員使用和研宄［５１］。該數(shù)據(jù)集包含了?４３個(gè)不同種類的交通標(biāo)志類型，由該??團(tuán)隊(duì)通過(guò)視頻采集獲得，其中采集環(huán)境包括了不同光照環(huán)境、不同天氣情況、交??通標(biāo)志被遮擋、交通標(biāo)志傾斜和部分損壞等實(shí)際可能發(fā)生的情況，因此該數(shù)據(jù)集??具有較好的實(shí)用性及權(quán)威性。ＧＴＳＲＢ數(shù)據(jù)庫(kù)共有５萬(wàn)多張圖像，其中訓(xùn)練數(shù)據(jù)??集含有３９２０９張，測(cè)試數(shù)據(jù)集包含１２３６０張圖像。所有數(shù)據(jù)集圖片的大小不盡相??同，范圍在１５＊１５像素至２２２＊１９３像素之內(nèi)，且每張圖片都至少包含１０％的邊緣??地區(qū)
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃逸;;算法結(jié)構(gòu)與設(shè)計(jì)教學(xué)中的若干思考[J];中學(xué)數(shù)學(xué)雜志;2008年05期

2 何永生;;算法結(jié)構(gòu)考查“三角度”[J];中學(xué)生數(shù)理化(高一);2017年01期

3 丁忒;;“算法的概念”教學(xué)設(shè)計(jì)[J];中國(guó)數(shù)學(xué)教育;2017年Z2期

4 王靖亞;;算法結(jié)構(gòu)對(duì)其性能的影響研究[J];計(jì)算機(jī)教育;2005年10期

5 裴承鳴;黎中偉;;ARMA過(guò)程的遞推線性估計(jì)及其應(yīng)用[J];西北工業(yè)大學(xué)學(xué)報(bào);1987年02期

6 胡平;;試論濾波器的算法結(jié)構(gòu)[J];河北機(jī)電學(xué)院學(xué)報(bào);1987年01期

7 黃繼進(jìn);;快速DFT計(jì)算——基于遞歸割圓因式分解的新算法[J];計(jì)算機(jī)應(yīng)用與軟件;1988年05期

8 鄭容;;時(shí)域加權(quán)FFT算法(WTTA)[J];信號(hào)處理;1988年04期

9 乞敬換;王秀峰;;具有阻塞的串行生產(chǎn)線“線性”狀態(tài)方程描述及擾動(dòng)分析新算法[J];系統(tǒng)工程學(xué)報(bào);1989年02期

10 王靖亞;;算法結(jié)構(gòu)對(duì)其性能的影響研究[J];中國(guó)人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年04期

相關(guān)博士學(xué)位論文 前4條

1 張慧君;三元M/B/Si功能化合物的第一性原理計(jì)算方法研究[D];燕山大學(xué);2017年

2 熊丙章;高中生的算法理解水平及其教學(xué)策略研究[D];西南大學(xué);2013年

3 楊樂(lè)嬋;基于GEP算法和高光譜數(shù)據(jù)的植物主要理化參數(shù)估算研究[D];南京大學(xué);2017年

4 張超;混合群智能優(yōu)化算法研究及應(yīng)用[D];北京科技大學(xué);2018年

相關(guān)碩士學(xué)位論文 前10條

1 楊忠保;復(fù)雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究與應(yīng)用[D];武漢理工大學(xué);2018年

2 崔利娟;基于深度森林的交通標(biāo)志識(shí)別算法研究[D];北方工業(yè)大學(xué);2019年

3 吳亞桐;北斗B1頻點(diǎn)信號(hào)捕獲算法研究與實(shí)現(xiàn)[D];哈爾濱工程大學(xué);2018年

4 吳瓊;基于SSD算法的車輛和行人的檢測(cè)[D];華中師范大學(xué);2018年

5 丁宗元;基于度量學(xué)習(xí)的行人重識(shí)別若干算法研究[D];常州大學(xué);2018年

6 涂亮杰;基于改進(jìn)蟻群算法的果園移動(dòng)機(jī)器人路徑規(guī)劃研究[D];南華大學(xué);2018年

7 陳志國(guó);基于OpenCL的多曝光融合算法并行優(yōu)化[D];西安電子科技大學(xué);2018年

8 郭章建;高動(dòng)態(tài)擴(kuò)頻接收機(jī)的捕獲與跟蹤算法研究[D];華中科技大學(xué);2017年

9 葉揚(yáng)志;基于多代理網(wǎng)絡(luò)的稀疏參數(shù)協(xié)同估計(jì)算法研究[D];北京理工大學(xué);2016年

10 張松海;多模優(yōu)化的斐波那契樹優(yōu)化算法及其應(yīng)用研究[D];云南大學(xué);2017年

本文編號(hào)：2854965