第九组程序加报告

超201420213005420142021300682014202130053工作量：各占摘要 Trafficsignrecognitionsystemisanimportantpartofinligenttransportationsystemsandadvanceddriverassistancesystemstoimprovetheaccuracyofthetrafficsigndetectionandrecognitionalgorithmandreal-timetowardsthekeyissuesneedtobeaddressedintheactualapplicationprocess.Theaccuracyofthealgorithmisaveryimportantfactorinthestudyoftrafficsignrecognition,wrongrecognitionresultnotonlyfailtoytheroleofadjuvantdriving,butalsoleadtoserioussecuritys.Thereal-timenatureofthealgorithmdeterminestheresearchresultscanbetranslatedintopracticalvalueproducts.Thenumbersofcarsincreasingtrafficaccidentsremainshigh,risingcardrivinginligentrealitythefaceofpressure,tocarryoutreal-timeapplicationsthattargettrafficsigndetectionandrecognitiontechnology,isofgreatsignificancetoincreasethedrivingsafety.Inthispaper,direction-prohibitedtrafficsigndetectionandrecognitionaccuracyandreal-timeissuesasthemainobjectofstudy,fromimagepreprocessingtrafficsigns,detectionandsegmentation,ofthispaperaswellasthemaindutiesincludes:Trafficsigndetection.Inthenatureconditions,thetrafficsignimageshasmoreinterference.Inordertoimprovethedetectionspeed,firstly,redinformationofimagesisextracted,andthenwebinarytheimagesandextracttheskeleton,finallywedetectellipseaccordingtoshapefeaturesoftrafficsign,thustolocatethetrafficsigninimages.Affinerectification.Innaturalimages,trafficsignshavevaryingdegreesofdistortion.Sointhispaperweuseaffinetransformationtocorrecttrafficsignsinellipseshapetocirclesforthepurposeoffurtherrecognition.Featureextraction.Weextract3normalizedmeanvaluesofred,green,blueband,32verticalhistogramsand32horizontalhistogramsofimages,aggregating67-dimensionalfeature.Trafficsignrecognition.WedidsomeresearchesonthetrafficsignrecognitionbasedonBPneuralnetwork,anduseittoimplementfastandaccurateclassification.Experimentsshowthatthismethodisofhighprecisionandinstantaneity.Finallywesummarizethewholepaper,andtheoutlookoftrafficsigndetectionandrecognitionrequiresfurtherstudyandpracticalapplicationprospects.:Directionprohibition;Trafficsign;BPneuralnetwork;Affinerectification;Segmentation;21213年2月份，拥有1.21亿辆汽车，汽车数量的增加不仅加剧了空气污染，也使得城市的交通环境急剧恶化，而长时间拥堵导致驾驶员的疲倦、情绪波动、过接听以及由于大雾等天气原因造成的对道路交通标志信息的误判都有可能严重的交通安全事故。而且交通拥堵导致能源浪费、污染加重以及下世界各国争相发展智能交通系统与先进辅助驾驶也吸引了越越多的学与机构研究人工智能技术与计算机技术的快速发展加速了智能

术研正多新求。切要有更加快速与适应性良好的检测分割技术与特征提取时，随着现代科学技术的发展，特别是图像处理技交通标志检测与识别的研究越来越趋向于实际应用而管用种术如提在杂的实景标的位率分准率如何何使得所采用的技术以及开发的系统具有广泛的适交通标志识别系统作为智能交通系统与先进辅别算法的准确率和实时性是交通标志识别系统实际应用进需要解决的关键问题。算法的准确率交通标志识别研究不仅具有较高的学术价值，还因为其能够有效地提升驾驶的安全性与汽车的智能第二章介绍基于颜色与形状特征的交通标志检BP神经网络的交通息与椭圆变换算法，其基本流程框图如图2-1所图2-1交通标志检测

本文中，我们使用的是基于RGB彩色空间的阈实时应用。为了克服光照影响，Yang等人针对红色三角形标志，将RGB图像通过如下分割成对应1)本文研究基于形态学变换的细化骨架算法对二红色位图进行骨架提取。本文的算法使用的是自带的形态学骨架提取函数。目前已椭圆检测算法大体上可被分为三类：基于变换的检测，基于遗传算法的检测，本文采用的基于椭圆检测所有随机点生成所有可能的长轴和短轴的椭圆，统计并聚类分析

定义平面π上的点变换T：π→π，若直线变成直ABC是ACBC。我们称系数为AB、C三点的简单比，记为=（ABC）由于上述椭圆检测的算法可以返回多个椭圆的位置，些椭很高我们过计椭圆中AO

yA(xAyA),B(xByB),C(xCyC)y

AC{xC-xA,AC

y}{xC-xB,yC }B (ABC)(x-x)/(x-x)(y-y)/(y-yB

xC-xAxC-

y- yy Ayy

因此有时也可将简单比定义成：(ABC)=AC/BA。由于仿射变换可由平行射影产生,从直观上易知,形。交通标志检测中，根据交通标志检测的颜色-几图中,交通标志会出现一定的变形，所以在形状检测之前可利用仿射变换来完通标志形状的矫正，图像，图b为经过仿射变换后的结果图。由图像可以 图b仿射纠正后图我们采用67维的特征向量来描述交通标志。首先，交通标志重采样到32×32大小，计算3个

基于BPBP(BackPropagation)神经网络，即误差反传误差MR

MG1MeanG

MB

对应转向类交通标志的7个类别加负样本。我们ver

1(32

(

(bT

j 不同的中间层节点数对BP综了向交志别关技，包问题作为主要的研究对象，从交通标志图像的预处尽管本文对于交通标志检测与识别的关键环节

收集具有代表性的样本，对于本文的算法尝试在类型、更大样本集下的性能作进一步现文章算法，并集成到先进辅助驾驶系统中 ,W.Wu,T.Hsieh,andC.Lai,"Extractingroadsignsusingthecolorinformation,"WorldAcademyofScience,EngineeringandTechnology,2007,pp.282-286.M.LalondeandY.Li“RoadSignRecognitionUsingColorIndexing”Technicalreport,CentrederechercheinformatiquedeMontreal,1995.SurveyoftheStateoftheArtforSub-Project2.4,CRIM/IIT.Sharpe,R.W.(1997).DifferentialGeometry:Cartan'sGeneralizationofKlein'sErlangenProgram.NewYork:Springer.ISBN0-387-94732-9.“ANewEfficientEllipseDetectionMethod”(YonghongXieQiang,QiangJi/2002).Nomizu,Katsumi;Sasaki,S.(1994),AffineDifferentialGeometry(Newed.),CambridgeUniversityPress,ISBN978-0-521-44177-3.H.-M.Yang,C.-L.Liu,K.-H.Liu,andS.-M.TrafficSignRecognitioninDisturbingEnvironments.Proceedingsofthe14thInternationalSymposiumonMethodologiesforInligentSystems(ISMIS2003),MaebashiCity,Japan.2003,2871:252-261

ysisandMathematicalMorphology,Volume2:TheoreticalAdvancesbynSerra,ISBN0-12-637241-1(1988).AnIntroductiontoMorphologicalImageProcessingbyEdwardR.Dougherty,ISBN0-8194-0845-X(1992).DudaRO,HartPE.UseoftheHoughtransfo