自然环境下交通标志牌的检测与识别

《自然环境下交通标志牌的检测与识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、自然环境下交通标志牌的检测与识别　　摘要：交通标志的识别系统是智能交通（ITS）的重要组成部分。随着现代化的进步，汽车逐步走进千家万户，然而也带来了交通拥堵，事故频发等一系列亟待解决的问题。发展具有主动安全技术的智能车辆已经成为各国政府、研究机构的研究重点方向，交通标志识别系统正是智能车辆和无人驾驶目标实现的重要技术需求之一。本文进行了交通标志牌识别的研究，包括以下三个方面的内容：1）交通标志的检测；2）交通标志的提取；3）交通标志的识别。　　关键词：交通标志识别；颜色特征；相关系数匹配；Matlab　　中图分类号：TP302文献标识码：A文章编号：1009-3

2、044（2016）15-0190-03　　1绪论　　1.1研究的背景及意义　　随着汽车数量的急剧增长，常规化的人力道路交通管理方式已经逐渐不能满足目前的交通道路需求，尤其是疲劳驾驶，醉驾等因驾驶员对路况的关注度太低而造成的交通事故比比皆是，这不仅给交通带来了诸多不便，也给人们的生命安全造成了威胁，因此智能交通行业越来越得到人们的重视。至2012年以来，中国的城市智能交通市场一直保持着高速的增长态势。10　　因此我们结合智能交通技术，设计本文所述的交通标志识别系统，可以及时提醒和警示驾驶员，使其了解行驶途中需要注意的交通标志，尽量避免事故的发生。　　1.2国内外的

3、研究现状　　1.2.1国内研究现状　　中国的智能交通研究开始于20世纪70年代末，最开始是在上海，北京，广州等经济相对发达的大城市进行了智能交通信号控制的研发。近年来，我国的ITS研究取得了丰硕的成果。然而虽然国内已经有一些自主开发的交通管路体制系统，但整体性能和国外同类系统相比较仍然有较大差距，这是不容我们忽视和否认的，目前许多城市在智能交通控制方面仍然采用引进的国外系统，像SCOOT和SCATS系统。因此我们也应该认清到当前的严峻局势，在智能交通控制方面仍有许多进步的空间，等待我们去研究和开发。　　1.2.2国外研究现状[1]　　1994年在巴黎召开的智能交

4、通大会成为发达国家正式研究和开发智能交通的标志性事件，经过不断地发展，智能交通在发达国家和发展中国家中都得到了突破性的发展。目前，国际ITS已经形成了美国、欧洲和日本三足鼎立的局面，其他国家像新加坡、澳大利亚、韩国等国家智能交通也具备了一定的规模。　　2交通标志识别设计思路　　2.1设计思路10　　通过简单的观察总结就可以发现，交通标志牌绝大多数为三种，即禁止标志（红色）、警告标志（黄色）、指示标志（蓝色），因此颜色是一个很好的切入点，我们可以最开始从颜色特征来出发，现将交通标志牌按颜色归类，再在相应的库中匹配，这样不仅提高了效率，而且简化了算法，根据颜色分类以

5、后，我们就可以进行匹配前的处理，也就是对目标进行截取。最后选择一种匹配成功最高的算法进行匹配分析，那么交通标志识别的任务也就基本完成了。　　3交通标志牌检测　　3.1常见的色彩模型介绍[2]　　3.1.1RGB模型[2]　　我们知道我们人眼所能见到的颜色都是有红、绿、蓝三种基色按照不同的比例混合产生的，也就是RGB模型。三种基色的分量都是0时，为黑色，三种分量都为1时是白色，任一一种分量的改变都会使颜色产生变化，我们常见的彩色显像管就是根据三原色的基理工作的，但不得不提的观点是：它并不适合人眼的视觉特点。　　3.1.2HSV模型[2]　　HSV模型，H-色相，S

6、-饱和度，V-亮度　　HSV颜色模型通常用一个圆锥体来形象地表示。纵轴表示亮度，用V表示，数值越大亮度越大，而半径表示饱和度，用S表示，半径值越大表示饱和度越高，角度表示颜色，红色对应于角度0°，绿色对应于角度120°，蓝色对应于角度240°，不同的角度分别表示不同的颜色。10　　由于交通标志牌位置是固定不动的，因此常用的获取目标的方法。例如背景差分法在此已经不再适用，无法通过利用背景作差来获取交通标志，因此我们对交通标志的检测运用了颜色模型的方法，由于RGB模型不适合人的视觉特点，而HSV颜色空间刚好与人眼的视觉特点相同，因此本文使用的颜色空间是HSV模型。　

7、　3.2色彩模型之间的转换　　3.2.1RGB向HSV模型的转换　　前面已经详细介绍过RGB、HSV模型了，下面介绍RGB转化到HSV的算法，因其他转换算法与本文无关，因此这里不作介绍：　　RGB转化到HSV的算法　　m=max（rr，gg，bb）　　n=min（rr，gg，bb）　　ifrr=m，hh=（gg-bb）/（m-n）　　ifgg=m，hh=2+（bb-rr）/（m-n）　　ifbb=m，hh=4+（rr-gg）/（m-n）　　hh=hh*60　　ifhh<0，hh=hh+360　　vv=max（rr，gg，bb）　　ss=（m-n）/max　　4交

8、通标志的阈值分割　　4.