目錄
基于部件的大類別集交通標志識別方法研究項目摘要
交通標志自動識別技術在無人駕駛汽車和駕駛員輔助系統中具有重要的應用前景，部分技術已用于無人駕駛實驗系統。然而，現有方法僅對少數幾種類型幾十種類別進行識別，難以推廣到多種類型、大類別集交通標志的識別。本項目基于交通標志圖形構成的特點，提出基于部件的大類別集交通標志的快速準確識別方法。基本思想是對構成交通標志的形狀基元（如圓形、三角形、矩形、線條、箭頭、文字、符號等）進行分割和識別，并分析符號之間的關系，得到交通標志的結構解釋。研究內容包括：交通標志的部件和特征分析，基于顏色分割和區域的標志識別，基于符號檢測的標志識別，基于基元和空間上下文融合的結構識別。本方法充分借鑒了計算機視覺領域目標識別的前沿理論與方法，有望提高交通標志識別的類別可擴展性和計算效率。實現的方法將在公開的交通標志圖像數據集和計劃采集的大類別集圖像數據集上進行驗證。
基于部件的大類別集交通標志識別方法研究結題摘要
智能交通系統、無人/輔助駕駛系統可以提高城市汽車通行效率、減少交通事故。交通標志自動識別是智能交通系統、無人/輔助駕駛系統的必要組成部分，具有重大的應用前景。本項目面向智能交通系統、無人駕駛/輔助駕駛系統，圍繞自然場景下的交通標志檢測、識別與理解展開了深入的研究。項目組在研究過程中建立了大規模中國交通標志圖像數據庫并對圖像中的交通標志信息進行了標注。數據庫包含了18664幅自然場景下的中國道路交通標志圖像及交通標志的標注信息。該數據庫在網上公開,供研究者免費使用，為交通標志研究提供了公共測試平臺數據，對交通標志檢測與識別研究具有很大的意義。 交通標志檢測是交通標志自動識別的關鍵技術之一。本項目提出了一種基于級聯、顯著性測試、快速特征提取的方法以及鄰域感知技術的方法，實現了快速準確的交通標志檢測；同時利用非監督學習的方法優化系統的參數，提升了系統性能。針對視頻中交通標志檢測，提出了一種基于跟蹤和兩級最小費用網絡流數據關聯的方法，檢測精度為98%，檢測速度提升至37幀/秒。針對交通標志識別問題，提出了一種基于擾動的標志識別算法。該算法對測試樣本進行平移、尺度變換和旋轉等擾動、采用多尺度梯度方向直方圖特征以及最近原型分類器對交通標志進行分類，算法的識別精度為98.88%。識別精度雖然略低于目前文獻報道識別精度的基于深度神經網絡方法，但識別速度較之大幅提高。此外，提出了一種基于多級多特征融合的交通標志識別算法。算法采用先識別大類后識別子類的策略并融合局部和全局特征的方法，實現高速的標志識別。針對包含文字和符號的矩形交通標志，提出了一種基于直線合并的矩形目標檢測算法用于快速檢測矩形標志候選區域。之后采用多特征和多級分類器對候選區域進行快速分類，實現矩形標志的快速檢測。針對標志中的文本信息，采用了基于穩定極值區域（MSER）的方法、利用筆劃層級聚類方法提取標志上的文本行。該矩形標志檢測算法獲得96%的召回率。文本行提取獲得86.2%的召回率和84.7%的精度。[1]
參考資料
目錄