1、毕业论文开题报告：车辆行驶中交通标志的识别研究毕业论文开题报告：车辆行驶中交通标志的识别研究毕业论文开题报告：车辆行驶中交通标志的识别研究:2013-3-3 15:20:44毕业论文开题报告：车辆行驶中交通标志的识别研究 随着社会的进步与经济的发展，交通安全和交通阻塞成为社会普遍关注的问题。于是，智能交通系统（Intelligent Transportation System,ITS）便应运而生。ITS 一个集检测、通信、控制和计算机等技术为一体的综合信息系统，目前已经成为广受关注的科技领域。道路交通标志识别（Traffic Sign Recognition,TSR）是 ITS的重要组成部分，
2、它在车辆行驶过程中队出现的交通标志信息进行采集和识别，可及时地向驾驶员做出指示或警告，或者直接控制车辆的操作，以保持交通通常和预防事故发生。它是智能车辆的重要软件支撑，具有重要的理论意义和实用价值。一、课题来源课题车辆行驶中交通标志的识别来源于学校命题，是学校学科建设的立项项目之一。为了安全驾驶和高速运输，交通部门在公路道路上设置了各类重要的交通标志，以提醒司机和行 起步相对来说较晚，研究深度与广度与国外发达国家相比还有很大的差距。交通标志识别系统作为智能车驾驶系统的一个子系统之一，对其深入研究有助于提高机动车驾驶的安全性和舒适性，因此对智能交通系统和智能车的研究具有重要意义。三、综合分析交通
3、标志通常具有规则、封闭的几何外形，鲜明的颜色特征，但实际通过数码相机拍摄的交通标志影像还受关照、摄影角度、物体遮挡（如行人、车辆、树木等）的影像，往往并不是很理想，在对影像特征进行抽取和识别时，需要考虑一下技术难点：1) 拍摄的彩色图片中，交通标志的颜色不纯，背景颜色杂乱，可能会影响特征的抽取；2) 交通标志受其他物体遮挡造成轮廓不封闭，对特征的抽取会产生一定的影响；3) 由于背景颜色杂乱，在抽取特征是可能会造成一定的背景噪声，需要消除；4) 由于拍摄时，相机移动速度过快，可能会造成影像的模糊；5) 当多个标志相互挨在一起时，需要将其分割开来；6) 各种模板的大小不一致，同时各种标志的图像可能
4、存在变形、缩放等变化，需要在进行特征匹配时进行处理；7) 部分交通标志之间具有左右对称性（如禁止左转弯或禁止右转弯） ，在通过颜色直方图进行匹配时需要注意区分；8) 交通标志数字影像通常具有较大的数据量，需要考虑自动识别处理算法的效率和性能。四、方案论证 交通标志在分割出来后进行识别难度较大，因为交通标志不同于一般的数字，利用通常的车牌识别中用到的链码跟踪和骨架特征点提取是不可行的。目前有关交通标志识别的研究很多涉及模板匹配，神经网络，遗传算法，模拟退火等，列举如下：1) 基于模板匹配的交通标志识别方法：利用设计好的边沿检测器提取交通标志内部图案，并与数据库中的模板进行匹配，实现交通标志的识别
5、。该系统知识局限于实验室条件下交通标志的识别因此很难适应现实环境中实际交通标志的识别，而且如果待识交通标志存在变形或噪声，这种识别方法也很难奏效，此外该方法没有考虑光照的影响。2) 基于 BP神经网络来辨识交通标志中的彩色区域：第一层神经网络实现色彩的分类，该层中利用图像的像素值作为输入，色彩类型作为输出实现 BP网络的训练；第二层神经网络完成交通标志外形的分类，从而区分交通标志和非交通标志区域。3) 基于角度检测的交通标志检测与分类：该方法通过检测黑白交通标志图像中两条线的夹角，并且进一步检测这些角度之间的几何关系来判断交通标志的类型。该方法的应用局限在于：当存在大量背景图像和噪声时，基于线
6、条的角度检测和鲁棒性是比较差的，很难正确检测出属于交通标志图形的角度。为了克服错误检测可以利用色彩信息作为补充来提高辨识率。4)基于模拟退火的交通标志识别：模拟退火是解决优化问题的常用搜索算法。该算法起源于钢铁冷却退火的过程，该算法本质上是一迭代寻优过程，该过程受冷却温度的控制，最终收敛于最优点。迭代过程以待识别交通标志图像与模板图像的相关系数（只比较非零像素点）作为衡量标准，搜索空间的维数由模板图像可能存在的大小，尺寸，位置和形状来决定。该方法在对含有大量噪声的图像仍能实现较好的识别效果，但受初始状态和模板的信息量的影响，可能存在误识或收敛速度很慢的问题。 另外国内针对交通标志识别的方法还有基于神经网络的交通标志识别方法；基于数学形态学的交通标志识别方法等。五、工作步骤交通标志识别系统的框图如下所示：
