交通道路標(biāo)志牌檢測與識別綜述-wenkub
2022-08-27 00:14:54 本頁面
【正文】 顏色檢測禁令標(biāo)志通常具有較好的效果。顏色為黃底、黑邊、黑圖案，形狀為頂角朝上的等邊三角形。指示車輛、行人行進的標(biāo)志。 圖像復(fù)原算法研究現(xiàn)狀常見的惡劣天氣條件主要有霧、霾、沙塵、雨雪等幾種。以下著重分析霧和沙塵圖像復(fù)原算法的研究現(xiàn)狀。直方圖均衡化是一種有效提升圖像對比度的方法，北京航空航天大學(xué)艾明晶等提出采用塊部分重疊的直方圖均衡化方法復(fù)原霧天圖像[]，能夠有效突出圖像的局部細節(jié)信息，從而起到去霧效果。圖像增強算法雖然能夠增強有霧或沙塵圖像的對比度，卻不能保證真實地還原出圖像色彩，在特定條件下易出現(xiàn)明顯的顏色失真[]。通過分別估計湍流傳遞函數(shù)和氣溶膠傳遞函數(shù)，并用二者的乘積作為總的大氣調(diào)制傳遞函數(shù)，之后在頻域內(nèi)根據(jù)大氣調(diào)制傳遞函數(shù)對降質(zhì)圖像進行復(fù)原，并對降質(zhì)過程引起的衰減進行補償，取得了一定的復(fù)原效果。 綜上，對現(xiàn)有的較具代表性的霧天、沙塵圖像復(fù)原算法總結(jié)于表31。其他算法或處理效果不夠真實，或受限于實施難度大，均不適合駕駛輔助場合。這里主要有三種辦法來實現(xiàn)對路標(biāo)的分割：1) 對灰度圖像進行邊緣檢測，然后進行分析2) 直方圖閾值法3) 特征提取和聚類在分類階段，系統(tǒng)會對檢測階段發(fā)現(xiàn)的區(qū)域進行分析，然后辨別出路標(biāo)。文獻[]使用了自組織神經(jīng)網(wǎng)絡(luò)( selforganization map,SOM)的方法提取輪廓線，然后識別路標(biāo)的形狀。在直方圖閾值法中，有兩種方法。對于禁令標(biāo)志、警告標(biāo)志和指示標(biāo)志的檢測，KangHyun使用RGB顏色分割，使用形狀分析來識別[]。在顏色提取之后，通常需要將顏色相同，位置臨近的點合并為感興趣區(qū)域。因此，眾多算法通過判斷連通域的形狀實現(xiàn)進一步篩選。雖然基于顏色的方法通過各種方式增強了顏色提取的可靠性，但在特殊條件下，如嚴重背光或標(biāo)志褪色時，基于顏色的方法普遍會出現(xiàn)不穩(wěn)定甚至漏檢。先檢測出圖像的邊緣，然后得出圖形中每一個點到邊緣的距離圖像，最后用標(biāo)準形狀的距離圖作為模板，用不同的位置、旋轉(zhuǎn)角度以及尺寸與在前面得出的距離圖像進行模板匹配，從而找出滿足交通標(biāo)志形狀的區(qū)域。為提高算法的運行效率，Garcia等在限定的區(qū)域內(nèi)用霍夫變換檢測圓形標(biāo)志。Barnes等對鏡像對稱算法進行了擴展，使其可應(yīng)用于三角形和正方形標(biāo)志的檢測，但準確率和速度都與圓檢測有一定差距。Aoyagi等先用拉普拉斯核濾波的方式提取出感興趣點，生成一副二值圖像，之后用遺傳算法進行啟發(fā)式搜索，找出其中的圓形。這類方法通常在一個滑動的窗口中對窗口內(nèi)圖像進行分類，判斷其是否為交通標(biāo)志。方向梯度直方圖(HOG,Histogram of Orientated Gradient)是一種區(qū)分力很強的形狀描述子，最早被用于行人檢測，通過與SVM配合，可實現(xiàn)很高的準確率。提高速度的另一個策略是用boost方法將一系列基于HOG的分類器級聯(lián)，實現(xiàn)由粗到精的快速窗口篩選，一些算法采用這一策略實現(xiàn)了實時檢測。Piccioli 等利用標(biāo)準模板與輸入圖像進行互相關(guān)運算，可適應(yīng)不同的光照強度。相比于模板匹配法，特征提取+分類器的分類模式在近些年的目標(biāo)識別算法中更常被使用。此外，當(dāng)交通標(biāo)志被局部遮擋時，該方法的識別率下降較多。 Doubille用不同分辨率的Gabor小波作為特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)，可抵抗復(fù)雜背景和形變的情況，不僅得到了較高的分類正確率，且處理速度較快。Adaboost 算法是一種分類器增強方法，通過訓(xùn)練多個級聯(lián)分類器實現(xiàn)分類性能的增強。以下分情況說一下實驗結(jié)果：1. 簡單背景原圖顏色分割邊緣檢測輪廓檢測輸出結(jié)果2. 正常背景3. 晚上4. 復(fù)雜背景5. 連體實驗結(jié)果分析：由上幾組實驗結(jié)果可以看出，程序?qū)τ谔幚砗唵伪尘皶r，顏色分割效果還是不錯，對于復(fù)雜背景和夜晚時處理效果差。縱觀國內(nèi)外的學(xué)術(shù)論文，還未存在漏檢率低、誤檢率低同時具有高實時性的算法，對于路標(biāo)的檢測還存在著很大的發(fā)展和探索空間。 總結(jié)與展望程序簡單實現(xiàn)了對于路標(biāo)的檢測，但存在著以下問題：1) 只能單獨分離紅色，不能同時處理藍色和黃色等其他顏色；2) 對于復(fù)雜背景、夜晚，顏色分割效果不佳，分割算法需要改進；3) 輪廓檢測算法未能有效準確分析幾何圖形，需要改進；4) 分離紅色的HSV閾值，需要通過實驗確定具體數(shù)值；5) 對于識別模塊的算法和特殊天氣下的情況還未實現(xiàn)。上述算法的分類結(jié)果多數(shù)來自于未公開的數(shù)據(jù)庫，導(dǎo)致無法對各算法的性能進行直接比較。Maldonado等利用Dt Bs特征獲得了旋轉(zhuǎn)和尺度的不變性，用線性支持向量機判斷待分類圖形的形狀，再將形狀內(nèi)的點組成特征向量送入一個高斯核支持向量機作最終分類。SIFT特征通過多尺度分析提取輸入圖像中在各尺度下均顯著的點作為特征點，從而具備了平移、
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1