無(wú)人駕駛是智能車輛領(lǐng)域的重要研究熱點(diǎn)之一,而交通標(biāo)志識(shí)別是無(wú)人駕駛的關(guān)鍵環(huán)節(jié)。本文針對(duì)禁令、警告和指示三類交通標(biāo)志,共分為15種,分別運(yùn)用支持向量機(jī)和卷積神經(jīng)網(wǎng)絡(luò)的方法對(duì)交通標(biāo)志的識(shí)別進(jìn)行研究,通過(guò)訓(xùn)練得到交通標(biāo)志識(shí)別模型,并設(shè)計(jì)實(shí)現(xiàn)了交通標(biāo)志識(shí)別系統(tǒng)。本文的主要工作內(nèi)容如下:1.對(duì)交通標(biāo)志圖像進(jìn)行預(yù)處理、分割以及定位。首先采用灰度化、直方圖均衡化、濾波對(duì)交通標(biāo)志進(jìn)行預(yù)處理,然后選擇基于Lab顏色空間k均值聚類法對(duì)其分割,最后基于三類交通標(biāo)志的形狀特征完成交通標(biāo)志的定位。2.實(shí)現(xiàn)了基于特征串行融合和支持向量機(jī)的交通標(biāo)志識(shí)別。分別提取交通標(biāo)志的HOG特征和Gist特征,通過(guò)串行融合的方式將兩種特征組合在一起,利用SVM訓(xùn)練得到交通標(biāo)志識(shí)別模型。該模型的平均識(shí)別正確率為85.3%。3.實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)微調(diào)的交通標(biāo)志識(shí)別。微調(diào)ResNet50網(wǎng)絡(luò)模型,使其輸出節(jié)點(diǎn)對(duì)應(yīng)15種交通標(biāo)志,重新訓(xùn)練最后一層,得到交通標(biāo)志識(shí)別模型。該模型的平均識(shí)別正確率為94.4%。4.無(wú)人駕駛中的交通標(biāo)志識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。該系統(tǒng)實(shí)現(xiàn)了交通標(biāo)志的預(yù)處理、分割和定位及識(shí)別等功能。本文給出了系統(tǒng)的運(yùn)行結(jié)果,在此... 

【文章來(lái)源】：大連交通大學(xué)遼寧省

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．２禁令標(biāo)志??Ｆｉｇ．?２．２?Ｐｒｏｈｉｂｉｔｏｒｙ?ｓｉｇｎｓ??２．２．２警告標(biāo)志??警告標(biāo)志：起到警告車輛、行人對(duì)前方路段可能出現(xiàn)的危險(xiǎn)或突發(fā)情況引起注意作??

圖２．３聱告標(biāo)志??Ｆｉｇ．?２．３?Ｗａｒｎｉｎｇ?ｓｉｇｎｓ??

?大連交通大學(xué)全日制專業(yè)碩士學(xué)位論文???２．２．３指示標(biāo)志??指示標(biāo)志：主要指示車輛和行人前方路段的行駛規(guī)定，以確保車輛和行人正確使用??道路。指示標(biāo)志一般設(shè)置在必要對(duì)車輛以及路上行人將要走向的路段或交叉口附近做出??指示的地方。指示標(biāo)志以藍(lán)色為底、藍(lán)色底上的白圖形為指示內(nèi)容，指示標(biāo)志外圍輪廓??也各不相同，各類指示標(biāo)志共３６種。圖２．４為我國(guó)部分交通指示標(biāo)志。??Ｄ?鬮??０?０國(guó)參國(guó)??圖２．４指示標(biāo)志??Ｆｉｇ．?２．４?Ｍａｎｄａｔｏｒｙ?ｓｉｇｎｓ??２．３交通標(biāo)志識(shí)別系統(tǒng)框架??本文所設(shè)計(jì)的交通標(biāo)志識(shí)別系統(tǒng)框架如圖２．５所示。??輸入圖像一？標(biāo)志預(yù)處理一？標(biāo)志分割???????Ｙ???標(biāo)志識(shí)別—特征提取?—標(biāo)志定位??圖２．５交通標(biāo)志識(shí)別系統(tǒng)框圖??Ｆｉｇ．?２．５?Ｔｒａｆｆｉｃ?ｓｉｇｎ?ｒｅｃｏｇｎｉｔｉｏｎ?ｓｙｓｔｅｍ?ｂｌｏｃｋ?ｄｉａｇｒａｍ??圖２．５給出了本文交通標(biāo)志識(shí)別系統(tǒng)的處理過(guò)程，主要包括對(duì)交通標(biāo)志圖像的預(yù)處??理、圖像分割及圖像定位，并在此基礎(chǔ)上對(duì)交通標(biāo)志的特征提取和識(shí)別進(jìn)行研宄和實(shí)現(xiàn)。??８??

【參考文獻(xiàn)】：
期刊論文
[1]支持向量機(jī)理論及應(yīng)用[J]. 馬旭霞.  科學(xué)技術(shù)創(chuàng)新. 2019(02)
[2]電子信息技術(shù)在無(wú)人駕駛汽車中的應(yīng)用[J]. 劉士晗.  科技風(fēng). 2018(36)
[3]淺析人工智能背景下無(wú)人駕駛的發(fā)展[J]. 劉瑜,劉蘇.  內(nèi)江科技. 2018(06)
[4]基于深度學(xué)習(xí)的交通標(biāo)志識(shí)別智能車的設(shè)計(jì)與實(shí)現(xiàn)[J]. 熊旋錦,潘小琴,唐楷,康勇.  自動(dòng)化與儀表. 2018(06)
[5]融合Gabor和Gist特征的人臉識(shí)別[J]. 劉斌,徐巖,米強(qiáng),徐運(yùn)杰.  計(jì)算機(jī)工程與應(yīng)用. 2017(15)
[6]基于顏色空間轉(zhuǎn)換的交通圖像增強(qiáng)算法[J]. 顧明,鄭林濤,尤政.  儀器儀表學(xué)報(bào). 2015(08)
[7]局部Gist特征匹配核的場(chǎng)景分類[J]. 楊昭,高雋,謝昭,吳克偉.  中國(guó)圖象圖形學(xué)報(bào). 2013(03)
[8]基于隨機(jī)模糊樣本的統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)[J]. 何其慧,王翠,毛軍軍.  合肥學(xué)院學(xué)報(bào)(自然科學(xué)版). 2011(03)
[9]自然場(chǎng)景下交通標(biāo)志的自動(dòng)識(shí)別算法[J]. 何耀平,徐麗珍.  微計(jì)算機(jī)信息. 2010(04)
[10]一汽集團(tuán)展示紅旗HQ3無(wú)人駕駛車型[J].   汽車與安全. 2007(11)

博士論文
[1]無(wú)人駕駛汽車環(huán)境信息提取及運(yùn)動(dòng)決策方法研究[D]. 武歷穎.長(zhǎng)安大學(xué) 2016
[2]城市環(huán)境下無(wú)人駕駛智能車感知系統(tǒng)若干關(guān)鍵技術(shù)研究[D]. 陳龍.武漢大學(xué) 2013

碩士論文
[1]基于深度學(xué)習(xí)的交通標(biāo)志檢測(cè)與識(shí)別算法研究[D]. 周攀.廣東工業(yè)大學(xué) 2018
[2]基于ResNet模型的全極化SAR影像分類研究[D]. 聶雯.湖北大學(xué) 2018
[3]基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志牌識(shí)別算法研究[D]. 張鵬.吉林大學(xué) 2017
[4]動(dòng)漫圖像超像素分割與合并算法的研究與實(shí)現(xiàn)[D]. 張圣龍.深圳大學(xué) 2016
[5]基于特征融合與稀疏編碼的交通標(biāo)志識(shí)別算法研究[D]. 江鈞.北京交通大學(xué) 2016
[6]基于小波域的圖像顯著性檢測(cè)算法研究[D]. 馮艷紅.河北工業(yè)大學(xué) 2015
[7]視覺顯著計(jì)算及其在自然圖像感興趣目標(biāo)檢測(cè)中的應(yīng)用研究[D]. 蔡萬(wàn)利.南京理工大學(xué) 2014
[8]基于FPGA的復(fù)雜背景下多目標(biāo)的實(shí)時(shí)檢測(cè)與跟蹤[D]. 陳大偉.濟(jì)南大學(xué) 2013
[9]基于復(fù)雜背景的車牌識(shí)別系統(tǒng)算法研究[D]. 唐亮.東北師范大學(xué) 2012
[10]交通標(biāo)志定位和識(shí)別算法研究[D]. 胡興.廣西師范大學(xué) 2010



本文編號(hào)：3388035