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）》请在三一办公上搜索。

1、ADAS交通标志识别,第三组：刘磊16205216074,1交通标志识别背景,道路标志识别,1交通标志识别背景,道路标志识别背景,1交通标志识别背景,道路标志识别背景,道路标志识别,国内外研究现状,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。,道路标志识别,国内外研究现状,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

2、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。,道路标志识别,国内外研究现状,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。,道路标志识别,国内外研究现状,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-C

3、WT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。,道路标志识别,国内外研究现状,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；阶段一：1987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： 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

4、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，,道路标志识别,国内外研究现状,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。,道路标志识别,国内外研究现状,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。,道路标志识别,国内外研究现状,国外研究成果,2、Lopez and Fuent

5、es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。,交通识别十大难点,交通识别十大难点,交通识别十大难点,交通识别十大难点,交通标志基本知识,警告标志,禁止标志,指示标志,交通系统识别系统,交通系统识别步骤,交通识别关键技术,图像预处理,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

6、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。,为什么要预处理,图像预处理,如何预处理,图像预处理,方法,直方图均衡图像增强实例,图像检测,检测目的,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。,图像检测,检测方法,交通标志分割方法,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Canny的交通标志分割实例,基于区域的图像分割方法就是根据事先确定的规则将目标图像分

7、割成相似的区域,基于Canny的交通标志分割实例,基于边缘和区域的交通标志混合分割方法的实现步骤,基于边缘的阈值分割实例,基于SURF的交通标志识别,算法,基于SURF的交通标志识别,步骤,基于SURF的交通标志识别,步骤,基于SURF的交通标志识别,SURF特征提取与模板匹配,SURF算法流程,基于SURF的交通标志识别,实验与分析,实验设备包括:一台联想G470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3

8、00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SURF的交通标志识别,实验结果,经过直方图均衡化与高斯滤波后效果图,基于SURF的交通标志识别,实验结果,图像增强与阈值分割,基于SURF的交通标志识别,实验结果,交通标志的定位结果,基于SURF的交通标志识别,实验统计,交通标志测试样本数据,基于SURF的交通标志识别,实验统计,与其他方法的比较,基于SURF的交通标志识别,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。,谢谢！,