陈柏立，林 楠

(华南农业大学数学与信息学院,广东 广州 510642)

1 研究背景

在当代汽车行业，无人驾驶汽车具有不可估计的前景。而交通路标识别系统是无人驾驶技术的一个重要组成部分。交通路标识别系统包括交通路标图像的预处理、目标提取和识别分类。其中在预处理和目标提取上，吴锦晶等人[1]使用HSV颜色空间进行分割，先将图片从RGB空间转化为HSV空间，然后通过消噪连通等处理后分割出交通路标区域图像，取得了较好的效果。而针对交通路标的识别以及分类算法，日本科学家于1987年首先开始了交通路标检测与识别的系统代码编写,实验的主要对象是数字标志的交通路标，他们利用模板匹配进行交通路标的识别分类[2]。之后几十年里，许多科学家对交通路标的识别技术进行补充与扩展，国外比较著名的有Liu和Ran[3]所研制出的停止标志识别系统，这套系统所基于的方法是神经网络。而瑞典Gareth Loy实验室和澳大利亚Nick Barnes研究所合作开发出的交通路标识别系统[4]，则是建立在交通路标图像具有的特性及对称性和图像的简单性上，利用这2个特点来确定交通路标的质心位置，进而进行交通路标的识别与分类。国内比较著名的有台湾的Fang Chiung-Yao等人[5]研制的基于神经网络的交通路标定位跟踪的方法。

当今识别分类技术已经有了很大的进步，其中比较著名的识别方法有2种：

1)基于建立数据库进行交通路标图像的重合对比，即模板匹配。该方法主要是通过对交通路标图像进行分析，利用交通路标的颜色、形状等特征信息来与数据库内信息进行对比，通过查询信息完成识别[6]。……