第20提交-20组终期报告

万海翔1、郭义超(组长)2、余松31.数据采集、数据整理，30%2.数据处理、算法实现，40%3.PPT制作、论文编写，30%道路交通标志检测与识别目录数据采集数据处理路标识别实验结果总结展望检测流程图像提取图像预处理标志分割标志识别数据分类本次采集的数据，分为训练样本和验证样本。训练样本又分为正样本（限速牌）和负样本（非限速牌）。数据负样本验证样本正样本训练样本图像预处理读取图像颜色分割图像增强直方图增强RGBHSV中值滤波形态学运算腐蚀膨胀二次处理二值化高斯滤波图像预处理初始图像RGB分割HSV分割图像预处理初始图像RGB分割HSV分割标志提取形状分割霍夫圆轮廓拟合目标区域裁剪标志提取原始图像霍夫圆检验标志提取原始图像形状提取路标识别两种方案：1.基于PHash（感知哈希）算法的目标检验2.基于SVM（支持向量机）的目标识别基于感知哈希算法的路标识别PHash算法：1.缩小尺寸，统一为32*32大小的图像2.简化色彩，将图像转为灰度图3.计算DCT：计算图片的DCT变换，得到32*32的DCT系数矩阵4.缩小DCT：只保留左上角的8*8的矩阵，这部分呈现了图片中的最低频率5.计算DCT平均值6.计算hash值基于感知哈希算法的路标识别图像分为两类：1.经过路标检测得到的ROI（感兴趣区）2.模板库，包括5、10、15、20、25五种样本库识别过程：1.利用PHash算法计算ROI和模板库的哈希值2.利用分别计算ROI基于感知哈希算法的路标识别识别过程：1.利用PHash算法计算ROI和模板库的哈希值2.利用上步求得的哈希值分别计算出ROI与模板库中的模板图片之间的汉明距离3.求得最小汉明距离所在的模板类库即为ROI对应的限速内容基于感知哈希算法的路标识别识别效果检验：从验证样本中抽取了10张包含限速标志的图像进行检验，其中有8张能够正确识别基于感知哈希算法的路标识别识别效果检验：

基于SVM的路标识别支持向量机：

1.SVM一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次规划问题的求解。 2.在线性不可分的情况下，支持向量机首先在低维空间中完成计算，然后通过核函数将输入空间映射到高维特征空间，最终在高维特征空间中构造出最优分离超平面，从而把平面上本身不好分的非线性数据分开。基于SVM的路标识别步骤：1.读取训练样本2.灰度化3.缩小尺寸到8*8大小4.建立样本数据矩阵，将所有正负样本作为集合组织到矩阵5.创建反映样本类别的标签矩阵，正样本为1.0，负样本为 -1.06.训练支持向量机，保存训练数据到SVM_DATA.xml文件7.建立验证样本向量，读取验证样本到该向量8.利用训练文件SVM_DATA.xml对样本向量进行检验基于SVM的路标识别支持向量机训练文件基于SVM的路标识别支持向量机检验结果总结展望1.基于HSV阈值分割的路标检测能达到较好的检测效果；2.基于感知哈希算法的路标匹配能够较好地进行模式匹配，并具有一定的鲁棒性；3.本文采取的标志分割方法对于景深较大且背景颜色干扰大