APP下载

交通标志检测识别与跟踪技术研究

2021-05-12陈阳

现代计算机 2021年7期
关键词:分类实验检测

陈阳

(四川大学计算机学院,成都610065)

0 引言

近几年,随着科技的发展,无人车吸引了越来越多汽车制造商的目光。而高级辅助驾驶系统(Advanced Driver Assistant System,ADAS)[1]逐渐成为国内外学者的研究重点,其中交通标志检测与识别系统(Traffic Sign Detection and Recognition,TSDR)是ADAS 的重要组成部分[2]。但由于交通标志种类繁多,各个国家的标志略有不同,加上道路环境复杂,以及自然因素的干扰,大多数的研究仍处于实验阶段,并没有广泛地运用。如何快速、准确地检测和识别,并能持续地跟踪交通标志是本文研究的重点。

1 理论基础

纵观交通标志的检测识别和跟踪算法的发展可以发现,其过程通常分为检测、识别和跟踪三个部分。

由于交通标志通常具有特定的颜色,因此有人提出基于颜色特征的交通标志检测算法,如Akatsuka 等人[3]提出的基于RGB 颜色空间和匹配模板的检测算法,Madani A 等人[4]提出的基于HSV 颜色空间的分割算法;由于颜色特征极易受到光照、褪色等因素影响,于是Onat E 等人[5]提出了一种基于边缘的、双边的投票算法;近年来,由于深度学习的突破性发展,有人将深度学习用于交通标志的检测,如Jia L 等人[6]就将Faster R-CNN 用于交通标志检测。

交通标志识别其本质是个多分类问题,常用的方法有模板匹配算法、传统机器学习算法和深度学习算法。模板匹配算法需要事先建立好包含各种类别的模板库,然后在待分类标志上提取某种特征,将其与模板库中的模板进行比较,计算出一个相似值,相似度最高的模板所属类别即为该标志的类别,如Gao X W 等人[7]根据交通标志的颜色和形状建立模板库。……

登录APP查看全文

猜你喜欢

分类实验检测
记一次有趣的实验
分类算一算
做个怪怪长实验
教你一招:数的分类
NO与NO2相互转化实验的改进
实践十号上的19项实验
小波变换在PCB缺陷检测中的应用