机器视觉的交通标志检测算法研究
1
目 录
Abstract1
Key words1
引言（或绪论）1
1□材料与方法Y
1.1□材料 Y
1.2□方法 Y
1.2.1□×××××Y
1.2.2□×××××Y
1.2.3□×××××Y
1.2.4□×××××Y
2□××Y
2.1□×××××Y
3□××× Y
（略）
X ×××××（正文第X章）Y
致谢Y
参考文献Y
附录A ××××（必要时）Y
附录B ××××（必要时）Y
图1 ××××（必要时）Y
图2 ××××（必要时）Y
表1 ××××（必要时）Y
表2 ××××（必要时）Y
注：1. 目次中的内容一般列出“章”、“节”、“条”三级标题即可；
2．X、Y表示具体的阿拉伯数字；
基于机器视觉的交通标志识别
网络工程 专业学生 王瑾
指导教师 朱淑鑫
摘要：从交通标志颜色特征出发，对包含交通标志图案的图像进行颜色分割。分别在RGB颜色模型空间及HSI颜色模型空间实施。在RGB颜色模型空间采用三组阈值比较分割效果。对颜色分割后的图像进行二值化，为形状分割做准备。在进行形状分割前先对二值图进行中值滤波，以去除较小噪声。获得含有较少噪声的交通标志图后分别用Hough圆检测法和面积法对二值图像进行形状检测。在进行Hough圆检测前先对二值图像进行边缘检测，采用sobel算子，得到二值图像的边缘图像后进行圆检测；基于面积的形状检测方法首先对二值图像做形态学处理，标记连通区域并获得联通区域的属性，其后利用交通标志占其最小外接矩形面积比例进行形状分割。获得目标交通标志后，用模板法对交通标志进行识别。
Traffic sign recognition based on machine vision
Student majoring in Network Engineering Wang *好棒文|www.hbsrm.com +Q: &351916072&
jin
Tutor Zhu shuxin
Abstract： Starting from the color characteristics of traffic signs,get segmentation image from the picture that include traffic signs. Respectively, in the RGB color space model and HSI color space model implemented.In the RGB color model space using three sets of threshold comparator segmentation.Binarized the images which had been segmented,prepare for the shape segmentation.Before shape segmentation,do the median filter first,get rid of noise.Respectively Hough circle detection method and area method for binary image shape detection.Before Hough circle detection,do edge detection,use the sobel operator,get the edge image for circle detection. Before area method detection,do morphological processing to the binary image,Marked regional connectivity and access to property Unicom region,Use the smallest proportion of its traffic signs external rectangular area to do the shape segmentation.After obtaining the target traffic signs, using a template method to identify.
Key words: Machine Vision;Traffic Signs;Circle detection;Template Recognition
引言 随着生活水平提高，人们出行越来越离不开汽车，汽车数量尤其是私家车数量急剧攀升，交通环境急剧恶化，为使驾驶员在复杂的交通环境中快速获得路况信息，进行安全驾驶，对交通标志识别的研究逐渐增多。本文以交通标志颜色为切入点研究较为复杂背景下的交通标志识别。
1 课题背景材料与方法
1．1 研究背景
进入新世纪的第二个十年，经济全球化速度不断加快，我国城镇化水平不断提升，越来越多的人愿意并有能力选择私家车作为其交通工具，我国汽车保有量迅速增加。随着汽车数量的增加，空气污染情况加剧、城市交通环境恶化，长时间的拥堵使驾驶员疲惫不堪、情绪波动，驾驶过程中使用手机等通讯工具分散驾驶员注意力，对于道路前方交通标志进行误判，加大了引发交通事故的可能。智能交通系统ITS[1]（Intelligent Transportation System）应运而生。交通标志识别是ITS研究中的重要分支。道路交通标志是驾驶员行车规范的重要准则。利用机器计算机视觉对交通标志进行自动识别，从而给司机提供相应的提示或警告信息，能有效地辅助司机进行安全驾驶，避免潜在事故，为人们的交通出行提高安全保障。
1．2 研究现状
随着ITS的发展，交通标志识别起了世界各国学者的关注。交通标志检测作为交通标志识别的基础环节也是关键环节是近年学术界研究的热点。针对交通标志的特性，其检测主要从颜色以及形状两个方面进行。
1．2．1 国外研究现状
最常用的方法是对包含交通标志的图像进行边缘检测[1]，再通过对标志的几何形状进行分析以检测标志位置。
Besserer[2]等人从原图像中构建了一个金字塔结构，在该结构的图像中进行边缘检测，通过分析产生的轮廓来区分三角形、圆形和矩形标志。
目 录
Abstract1
Key words1
引言（或绪论）1
1□材料与方法Y
1.1□材料 Y
1.2□方法 Y
1.2.1□×××××Y
1.2.2□×××××Y
1.2.3□×××××Y
1.2.4□×××××Y
2□××Y
2.1□×××××Y
3□××× Y
（略）
X ×××××（正文第X章）Y
致谢Y
参考文献Y
附录A ××××（必要时）Y
附录B ××××（必要时）Y
图1 ××××（必要时）Y
图2 ××××（必要时）Y
表1 ××××（必要时）Y
表2 ××××（必要时）Y
注：1. 目次中的内容一般列出“章”、“节”、“条”三级标题即可；
2．X、Y表示具体的阿拉伯数字；
基于机器视觉的交通标志识别
网络工程 专业学生 王瑾
指导教师 朱淑鑫
摘要：从交通标志颜色特征出发，对包含交通标志图案的图像进行颜色分割。分别在RGB颜色模型空间及HSI颜色模型空间实施。在RGB颜色模型空间采用三组阈值比较分割效果。对颜色分割后的图像进行二值化，为形状分割做准备。在进行形状分割前先对二值图进行中值滤波，以去除较小噪声。获得含有较少噪声的交通标志图后分别用Hough圆检测法和面积法对二值图像进行形状检测。在进行Hough圆检测前先对二值图像进行边缘检测，采用sobel算子，得到二值图像的边缘图像后进行圆检测；基于面积的形状检测方法首先对二值图像做形态学处理，标记连通区域并获得联通区域的属性，其后利用交通标志占其最小外接矩形面积比例进行形状分割。获得目标交通标志后，用模板法对交通标志进行识别。
Traffic sign recognition based on machine vision
Student majoring in Network Engineering Wang *好棒文|www.hbsrm.com +Q: &351916072&
jin
Tutor Zhu shuxin
Abstract： Starting from the color characteristics of traffic signs,get segmentation image from the picture that include traffic signs. Respectively, in the RGB color space model and HSI color space model implemented.In the RGB color model space using three sets of threshold comparator segmentation.Binarized the images which had been segmented,prepare for the shape segmentation.Before shape segmentation,do the median filter first,get rid of noise.Respectively Hough circle detection method and area method for binary image shape detection.Before Hough circle detection,do edge detection,use the sobel operator,get the edge image for circle detection. Before area method detection,do morphological processing to the binary image,Marked regional connectivity and access to property Unicom region,Use the smallest proportion of its traffic signs external rectangular area to do the shape segmentation.After obtaining the target traffic signs, using a template method to identify.
Key words: Machine Vision;Traffic Signs;Circle detection;Template Recognition
引言 随着生活水平提高，人们出行越来越离不开汽车，汽车数量尤其是私家车数量急剧攀升，交通环境急剧恶化，为使驾驶员在复杂的交通环境中快速获得路况信息，进行安全驾驶，对交通标志识别的研究逐渐增多。本文以交通标志颜色为切入点研究较为复杂背景下的交通标志识别。
1 课题背景材料与方法
1．1 研究背景
进入新世纪的第二个十年，经济全球化速度不断加快，我国城镇化水平不断提升，越来越多的人愿意并有能力选择私家车作为其交通工具，我国汽车保有量迅速增加。随着汽车数量的增加，空气污染情况加剧、城市交通环境恶化，长时间的拥堵使驾驶员疲惫不堪、情绪波动，驾驶过程中使用手机等通讯工具分散驾驶员注意力，对于道路前方交通标志进行误判，加大了引发交通事故的可能。智能交通系统ITS[1]（Intelligent Transportation System）应运而生。交通标志识别是ITS研究中的重要分支。道路交通标志是驾驶员行车规范的重要准则。利用机器计算机视觉对交通标志进行自动识别，从而给司机提供相应的提示或警告信息，能有效地辅助司机进行安全驾驶，避免潜在事故，为人们的交通出行提高安全保障。
1．2 研究现状
随着ITS的发展，交通标志识别起了世界各国学者的关注。交通标志检测作为交通标志识别的基础环节也是关键环节是近年学术界研究的热点。针对交通标志的特性，其检测主要从颜色以及形状两个方面进行。
1．2．1 国外研究现状
最常用的方法是对包含交通标志的图像进行边缘检测[1]，再通过对标志的几何形状进行分析以检测标志位置。
Besserer[2]等人从原图像中构建了一个金字塔结构，在该结构的图像中进行边缘检测，通过分析产生的轮廓来区分三角形、圆形和矩形标志。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1869.html
