基于安卓平台的限速交通标志的检测和识别

利用Android软硬件平台,设计并实现了一种融合颜色和形状特征的实时限速交通标志检测和识别系统。为了使检测和识别达到实时精确的标准,参考多种基于颜色和形状的检测算法以及分类算法,在检测阶段,选择在RGBN颜色空间进行分割后再结合本文提出的离心度的几何不变量进行形状筛选实现限速标志定位,在识别阶段,采用改进的动态阂值多模板匹配算法实现限速标志分类。实验表明,该检测和识别算法适用于移动平台,并且速度快,精度高。     

三角形交通标志的智能检测方法

基于交通标志都具有一定的颜色和形状，以红色倒三角形交通标志为例，介绍一种新的智能检测方法。该方法主要由以下4个环节构成。首先是颜色提取，将图像转换到HSI颜色模型的色调子空间，提取特定颜色——红色；其次是边缘检测，使用标准LOG模板在提取出来的红色区域上进行；这样，计算量将大为减少；然后是顶点判别，对边缘上的这些点，采用神经网络分类器进行分类，并分别对三角形的3种不同顶点作标记；最后是三角形的定位，通过一定的匹配准则提取出三角形。对不同场景下的20幅图像进行测试，检测正确率达到了100％。实验结果表明，该方法具有鲁棒性好、速度快、检测准确率高等特点。     

基于颜色分量补偿的交通标志图像预处理

为提高图像预处理的效果,提出了一种基于颜色信息的颜色分量补偿预处理方法。该方法首先将实景图像分成RGB三个分量,根据要提取的交通标志颜色选择处理分量。接着对选择分量进行阈值处理实现候选标志与背景的粗分割。然后用阈值化的色彩分量替代原图中的对应分量重构为一幅新的彩色图像。最后通过颜色提取对重构图像进行处理以提取候选标志区域。实验表明,采用该方法进行交通标志的预处理,提高了交通标志检测时标志定位和形状检测步骤的准确度和速度,为交通标志预处理提供了一种可行的解决方案。     

融合颜色分割与形状特征的交通标志检测

交通标志的颜色特征和形状特征是其最主要的两个特征,为提高检测的准确性和鲁棒性,提出颜色分割和形状特征相结合的方法。利用交通标志的颜色特征,采用基于HSV空间的颜色分割方法 ,获得图像中可能包含交通标志的区域,并提取该区域。根据交通标志的形状特点,利用canny算子获取提取区域的轮廓。然后,采用基于标记的形状检测算法判定所分割区域的形状,利用方向梯度直方图特征结合支持向量机(SVM)方法完成交通标志识别。经实验测试,该方法对图片视点变换、尺度变换以及亮度变换等情况具有很强的鲁棒性。     

高速公路禁令标志检测与跟踪*

利用高速公路禁令标志具有的特定颜色和形状,介绍一种高速公路禁令标志检测和跟踪的方法。检测采用颜色和形状相结合的方法,先将RGB空间转换为HSV空间,利用色调和饱和度融合的方法提取红色,然后利用改进的区域特征参数提取法进行圆形检测并定位。跟踪采用改进的卡尔曼滤波器方法,在图像帧中进行多目标跟踪。对采集的视频实验,取得了较好的检测跟踪效果。实验结果表明,此方法能较准确并快速地检测禁令标志。     

基于改进Hough变换的圆形交通信号灯的检测

本文提出一种基于HSV色彩空间的颜色和形状特征的交通灯检测方法.首先将图像的RGB色彩空间转换成HSV色彩空间,利用不同颜色的H阈值对图像进行分割,然后进行结构化处理,最后利用Hough变换检测圆形信号灯的可能位置.由于传统的Hough变换的计算量过大,为此提出一种新的基于Hough变换的椭圆轮廓检测方法.     

基于车牌色彩变化特征的车牌定位方法*

针对复杂背景下的车牌定位问题,提出了一种基于车牌色彩变化特征的车牌定位方法。该定位方法将RGB彩色空间中的车牌图像转换到HSV彩色空间中进行颜色识别,分割出车牌底色及字符颜色相对应的颜色区域,同时通过边缘提取、二值化处理、与运算找到对应颜色边缘特征点,最后经纹理分析来定位车牌。     

基于欧氏距离的交通警告标志识别方法研究

提出了一种对含字符的交通警告标志进行检测和识别的方法。根据交通标志颜色的分布范围,以颜色分量为基础进行阈值分割,将图像中大部分不满足颜色要求的区域去掉,借助连通域标记、形状因子来进行交通标志的定位。将定位后的交通标志,通过预处理、字符的旋转矫正和分割,得到人眼可以识别的字符。通过欧氏距离匹配法进行字符的计算机识别,最终可使计算机识别率达到75%左右。     

基于无参数形状检测子和DT-CWT的交通标志识别

针对车辆行驶环境中难以检测的交通标志,提出了一种检测和识别方法.首先分割交通标志的特征颜色区域,并扩展感兴趣区域,提取区域边缘.然后用直线分割和杂点去除粗略划分边缘,根据直线间顶点处的曲率关系,计算转向角并分类顶点的类型,用无参数形状检测子来检测图像中的圆形、三角形和矩形等.将检测到的候选区域送入形状分类器中,分类形状并排除杂质的干扰,最后通过二元树复小波变换和二维独立分量分析相结合来识别交通标志类型.实验结果表明提出的方法对交通标志被遮挡、光照不均匀、颜色部分失真的情况下,检测率和识别率均较高,并且可以达到实时处理的效果.     

指示类交通标识的自动检测

针对指示类交通标识的特点,进行标志牌检测算法的研究.首先利用快速HSV颜色查找的方法进行颜色分割,对颜色分割后的二值图进行必要的形态学预处理,接着利用圆形度和拐角检测与几何特征结合的方法进行形状识别.针对某些圆形标志边缘分割不完整的情形,提出一种根据距离直方图判断是否为圆形标志的方法.实验结果表明,算法对实际道路环境下...     

一种用于交通标识分类的形状识别算法

交通标识分类是交通标识识别系统的基础环节,而交通标识形状识别是交通标识分类的核心部分.对交通标识进行了研究,将交通标识分为禁令标识、警告标识和指示标识3大类分别进行分析,提出了一种利用边缘走势统计特征反映目标形状特征的新算法,并将其与BP神经网络相结合用于交通标识形状的识别.首先利用颜色信息实现交通标识区域分割,随后记录交通标识的边缘走势并统计比例,最后使用BP神经网络进行分类,实现交通标识形状的识别.该算法对不同倾斜角度和不同拍摄角度的交通标识图像均具有很好的识别效果和识别速率.     

基于颜色聚类和Hu不变矩的道路交通标志检测

介绍了一种基于颜色分割和区域描述的交通标志检测方法。该方法利用在RGB空间的颜色聚类算法分割出感兴趣色彩区域,然后进行形态学处理,最后结合Hu不变矩对道路交通标志进行识别。识别结果表明,基于颜色聚类和Hu不变矩的交通标志识别方法具有很强的抗图像平移、缩放和旋转识别能力,并具有实现简单、识别速度快、准确率高等特点,有较高的实用价值。     

TRAFFIC VIDEO-BASED MOVING VEHICLE DETECTION AND TRACKING IN THE COMPLEX ENVIRONMENT

Moving vehicle detection and tracking is the key technology in the intelligent traffic monitoring system. For the shortcomings and deficiencies of the frame-subtraction method, a novel Marr wavelet, kernel-based background modeling method and a background subtraction method based on binary discrete wavelet transforms (BDWT) are introduced. The background model keeps a sample of intensity values for each pixel in the image and uses this sample to estimate the probability density function of the pixel intensity. The density function is estimated using a new Marr wavelet kernel density estimation technique. The background and current frame are transformed by BDWT, and moving vehicles are detected in the binary discrete wavelet transforms domain. For the shortages of RGB (Red, Green, Blue) or HSV (Hue, Saturation, Value) color space-based vehicle shadow segmentation algorithms, shadow segmentation algorithm based on YCbCr color space and edge detection is proposed. The original data of the shadow according to the characteristics of the YCbCr space is chosen, and then, combined with edge detection, the shape and location of the vehicle region is determined. An automatic particle filtering algorithm is used to track the vehicle after detection and obtaining the center of the object. An actual road test shows that the algorithm can effectively remove the influence of pedestrians and cyclists in the complex environment, and can track the moving vehicle exactly. The algorithm with better robustness has a practical value in the field of intelligent traffic monitoring.     

基于局部结构直方图的图像检索

在图像检索领域中,为更好地利用Julesz基元概念来描述图像内容,提出一种新的图像特征描述方法——局部结构直方图。将彩色图像从RGB空间转换到HSV颜色空间,分别提取边缘方向和颜色信息。定义5种基元类型进行局部结构检测,并利用直方图描述图像特征。实验结果表明,与LBP直方图和Gabor滤波器方法相比,该方法的检索性能较优。     

基于改进形态学算子的木粉边缘检测算法

针对木粉显微图像边缘复杂、细节模糊等问题,提出一种基于HSV空间目标提取和改进数学形态学多尺度算子的边缘检测算法。基于HSV空间提取目标,排除背景噪声干扰;通过最佳方向检测改进传统多尺度形态学检测算子,避免了多方向检测的权重选择,以此获得较好的木粉边缘。实验结果表明：形态学检测算子优于传统canny检测算子;改进的形态学多尺度检测算子不但取得了较好的边缘检测效果,而且提高了边缘检测精度和定位能力。     

多特征融合的圆形交通标志检测

结合圆形交通标志的颜色特征和形状特征,提出一种多特征融合的圆形交通标志检测算法。首先采用彩色分割和非彩色分解技术分离出圆形交通标志,并去除部分背景区域。然后应用链码形式存储边缘,采用边缘长度、圆形度、展弦比等特征进一步去除背景区域。最后采用非线性最小二乘曲线拟合技术准确提取圆形交通标志。多种天气和光照情况下的圆形交通标志检测实验验证了算法的有效性。     

基于聚类与链码技术的交通标志检测

交通标志的有效检测是交通标志识别系统中的关键步骤;提出一种基于颜色和形状的交通标志检测新方法,首先由最小欧式距离的聚类分析方法以及特征量与聚类中心的向量积提取夹角正弦方法,构造两级颜色特征分类器并通过训练实现优化分割,然后对滤波后图像边界跟踪,利用新的链码方法实现区域的拐角点提取,最后由几何特征判定区域的形状进行定位,实现交通标志的检测;实验结果表明,该方法在不同气候条件下的平均检测率达92.96%,优于同类方法且具有较高的鲁棒性。     

五自由度立体视觉平台--目标物体的识别与定位

从立体视觉与机器人控制集成的角度出发,建立了一个主动立体视觉跟踪和定位系统,用于柔性装配线中装配零件的运动跟踪和装配工位的精确定位。讨论了使用立体视觉进行快速目标识别和定位的方法,该方法将颜色分割与基于形状特征相结合,提出采用基于局部图像的HSV阈值分割和形状识别相结合的图像处理方法,该方法经过HSV阈值和形状判据,准确地识别出物体,得到物体的边界和质心。能快速准确地识别出物体并进行定位,满足柔性生产线小规模定制产品装配的要求。最后给出的实验结果验证了该方法的有效性。