导读:本文包含了限速标志识别论文开题报告文献综述及选题提纲参考文献，主要关键词:限速交通标志,HSV颜色空间,垂直投影,字符分割
限速标志识别论文文献综述
郝芳芳,王震洲[1]（2018）在《模板匹配下的限速交通标志识别算法研究》一文中研究指出为实现限速交通标志的快速准确识别,采用模板匹配对限速交通标志进行识别。首先图像进行倾斜校正,并在HSV颜色空间进行分割,提取感兴趣区域(ROI),然后利用垂直投影分割字符,最后通过和模板字符进行匹配,比较两者相似度来识别字符。实验结果表明,该方法能够有效分割出限速交通标志的字符,并能准确的识别出标志。(本文来源于《科技风》期刊2018年21期）
张兴国,刘晓磊,李靖,王环东[2]（2018）在《BP神经网络下的限速交通标志实时检测识别》一文中研究指出目前已有很多基于交通标志图片进行道路交通标志识别的系统研究,但存在误识别率较高的问题.因此文中基于视频数据对限速交通标志进行检测与识别,实现了限速交通标志的自动检测定位,并采用反向传播神经网络来进行道路标志的识别;同时,还采用连续自适应的均值漂移算法和光流法进行视频加速.实验表明,新提出的算法在耗时上缩短50%以上,检测识别准确度在90%以上,适用于相关智能识别领域.(本文来源于《西安电子科技大学学报》期刊2018年05期）
杜影丽,贾永红,韩静敏[3]（2018）在《自然场景车载视频道路交通限速标志的检测与识别方法》一文中研究指出根据交通限速标志的颜色和形状特征,提出一种基于车载视频的交通限速标志的检测与识别方法。首先,将原始影像转换到色调、饱和度和明度空间,利用限速标志红色圆环颜色特征设置红色分割阈值,去除大片非感兴趣区域;然后,根据限速标志的圆形特征来检测限速标志,对检测到的限速标志进行字符分割,提取分割字符分块形成的特征向量,通过特征匹配识别出限速标志。结果表明,设计的方法比模板匹配法识别正确率高,可有效对自然场景中的限速标志进行检测与识别。(本文来源于《测绘地理信息》期刊2018年02期）
史步娥[4]（2017）在《复杂环境下限速标志识别关键技术研究》一文中研究指出作为智能汽车视觉系统的重要组成部分,同时作为自动目标检测与识别技术的一个典型应用,限速标志检测与识别技术越来越多地受到关注。由于对实时性能有很高的要求,限速标志在复杂环境下识别的许多关键技术仍在积极探索中。本文主要研究了复杂环境下所采集图像的预处理,双向融合的识别机制,基于BP神经网络的识别方法等关键技术。(本文来源于《科技资讯》期刊2017年35期）
邴雪燕[5]（2017）在《基于卷积神经网络的限速标志实时识别及警示系统研究》一文中研究指出限速标志是常见且重要的禁令标志,限速数字为驾驶人提供道路限制速度,引导驾驶人安全驾驶。但是驾驶人常会忽视道路上的限速标志,例如在开车时打手机、与乘客聊天或者限速标志处于视觉盲区,致使车辆行驶速度过快,造成交通违法,发生交通事故。因此,限速标志识别及警示系统的开发可有效地减少交通事故的发生,保障驾驶人的生命财产安全。本文基于卷积神经网络进行了车载限速标志实时识别及警示系统的开发,主要开展了以下几项工作:对国内外交通标志识别、深度学习及相关系统的研究现状进行了分析,对限速标志自身的形状、纹理特征及设置方式、设置位置特征进行了分析;然后对该系统潜在用户的需求、系统开发的技术难点进行了分析,对系统的操作方法及运行界面进行了介绍;通过分析现状,选择了相应的硬件设备配置进行系统开发;而后通过分析各自的特点和优势,选择Open CV作为系统开发的数据库,选择Hierarchical Data Format作为编程过程中进行图像处理的数据格式。进行图像预处理及限速标志定位。首先根据车辆的运行状态和驾驶人的视认特性对程序的处理频率进行了分析,并根据限速标志分布位置特征进行交通标志粗定位;然后基于HSV空间颜色模型进行颜色分割,而后进行形态学滤波,对图像进行预处理;接着结合长宽检测与霍夫圆变换检测方法进行了圆形标志精确定位,并利用限速标志的灰度分布及数字分布特征进行了伪目标排除,从而精确定位限速标志位置。基于卷积神经网络对限速标志图像进行了识别。首先对截取后的图像进行预处理,即对待检测图像进行图像增强和归一化处理两个阶段的处理,并通过对大量图像进行分析判断得出无需对限速标志进行倾斜校正;然后构建卷积神经网络模型,即Le Net-5模型,包括卷积核为5×5的卷积层、采用最大池化法的池化层、Dropout层及全连接层,激活函数为Re LU函数,运用Softmax分类器进行分类;接着选用GTSRB数据集及实车采集的部分图像作为数据集,基于Caffe深度学习框架进行训练和测试。对限速标志实时识别及警示系统进行了系统开发及道路试验性能测试。首先,对系统的开发过程进行了介绍;其次,基于Caffe深度学习框架对系统进行了训练与测试,并对其结果进行了分析总结,即分别分析训练学习率、测试准确率、损失函数与迭代次数的关系,在训练过程中,系统呈现较好的收敛性,并且在测试过程中达到97%的测试准确率;最后对系统进行性能测试,经过测试,该系统对于不同安卓设备具有很强的兼容性,并通过实车试验验证该系统的性能。在不同车速状态下,限速标志实时识别与警示系统的识别准确率均能够达到85%以上,最高可达94%,并且通过试验过程发现了其具有较强的实时性、系统稳定性以及识别鲁棒性。(本文来源于《吉林大学》期刊2017-05-01）
祝磊[6]（2016）在《基于径向对称的限速标志检测与识别》一文中研究指出根据公开资料显示,我国的汽车数量已经占据全球汽车总量的十分之一,可是我国因交通事故死亡的人数却比汽车占有率更高,达到了16%。世卫组织2015年的统计数据显示,我国道路交通事故造成的死亡人数已经超过21万,绝大部分是由于驾驶员超速驾驶造成的。在这种背景下,智能驾驶系统(包含无人驾驶系统)的概念应运而生,其主要目的便是利用计算机视觉技术对道路信息进行收集并自动做出分析,有效地提高道路交通的安全性。及时准确的限速标志识别可以提醒司机保持安全行驶速度。本文提出了一种改进的径向对称算法用于检测限速标志。目前限速标志的识别研究主要是基于颜色和形状两种特征。限速标志的形状相比颜色更加稳定,不容易受到自然环境等因素的影响。本文决定采用基于形状特征的检测算法。由于车载设备所采集到的均为高清图像,限速标志会出现在特定位置,即利用先验知识针对主要区域进行检测,避免无谓的计算。在确定限速标志区域时,本文提出了一种改进的径向对称算法,其计算复杂度更小、定位更加准确。在计算图像的边缘梯度值时,本文选择Scharr算子,使得梯度图可以保留更多的边缘特征,因此候选区域圆心可以获得更多的投票,确保定位更加准确。对于已经分割出的限速标志候选区域,采用二次分割获得准确的限速标志前景,然后使用高斯滤波,利用Otsu算法得到二值图。通过统计二值图的连通区域数量判断是否为限速标志。保留二值图中的最大连通区域,利用投影分割法提取出完整的待识别字符。对待识别字符进行归一化处理后,提取其概率粗网格特征,利用训练好的BP神经网络对其进行分类识别。实验结果显示所提算法具有良好的鲁棒性和实时性。(本文来源于《哈尔滨工业大学》期刊2016-12-01）
成健,张重阳[7]（2016）在《基于自适应粒子群优化算法的限速标志识别》一文中研究指出针对经典的粒子群优化算法收敛性能不足的问题,提出了一种自适应粒子群优化算法。该算法对进化过程中的收敛方向进行动态调整,通过学习因子对参数选取过程进行调节,使收敛的初期趋向全局最优,后期趋向局部最优。采用自适应粒子群优化算法对支持向量机模型参数进行优化,并应用于限速标志的识别,实验结果表明,文中基于自适应粒子群优化算法的方法拥有较高的识别率,同时算法收敛性显着高于经典的粒子群优化算法。(本文来源于《信息技术》期刊2016年09期）
成健,张重阳[8]（2016）在《基于安卓平台的限速交通标志的检测和识别》一文中研究指出利用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。(本文来源于《微型电脑应用》期刊2016年04期）
朱林[9]（2015）在《基于广义结构元的交通限速标志检测与识别研究》一文中研究指出智能交通系统(ITS)以交通运输、服务控制和车辆制造为研究对象,以解决交通拥堵、增强车辆安全性、提高汽车智能化为研究目的。道路交通标志识别(TSR)是智能交通系统中对于服务控制研究的重要组成部分,其研究主要需要电子信息、视频处理、数字图像处理、人工智能和模式识别等技术手段。目前,交通限速标志检测识别方法普遍存在识别正确率不理想,识别速度不够快,对于残损交通限速标志难以识别等问题。为此,本文选择对交通限速标志的检测识别方法进行研究,采用广义结构元进行标志检测,设计新的模板匹配识别算法,拟解决识别率不高、识别速度慢和对于残损交通限速标志的识别难等问题。主要研究内容如下:(1)图像预处理。比较RGB和HSI空间对于交通限速标志检测的优缺点,选用HSI空间对交通限速标志进行处理。在此空间中对图像进行直方图增强,维纳滤波,几何变换等预处理。(2)广义结构元滤波。引入广义结构元思想进入交通限速标志检测识别中,构建叁个广义结构元对叁种交通限速标志进行扩展形态学滤波。根据构建的广义结构元,对待识别图像分别进行红色圆形图案、蓝色圆形图案、黑色圆形图案检测。(3)数字提取。根据检测到的感兴趣区域,在此区域中通过数字提取技术,将交通限速标志的关键数字提取出来并归一化。(4)标志识别。得到归一化后的数字,根据叁种交通限速标志,分别采用对应的基于16个特征分量、正确匹配数为10且对单个特征分量具有阈值限制的限速标志识别模板进行识别。(5)实验分析。采用C#语言开发实验软件,对本文算法理论进行验证。通过实验得到,本文设计的可识别残损交通限速标志的算法在对一般限速标志和残损限速标志的识别正确率上分别为91.67%和89.83%,综合识别正确率为90.80%。本文的主要创新点如下:(1)提出了利用广义结构元进行交通限速标志检测识别的方法。(2)提出了残损交通限速标志检测识别算法。(本文来源于《重庆交通大学》期刊2015-04-20）
王伟,张艳珠[10]（2014）在《基于字典学习的稀疏表示限速标志识别方法》一文中研究指出限速标志识别是模式识别领域中一个重要的研究课题。目前,利用稀疏表示识别图像是一个流行的方法。为了提高限速标志图像的识别率,通过对在线字典学习(ODL)算法的研究,将在线字典学习算法和稀疏表示的识别方法相结合,提出了一种基于在线字典学习的分类稀疏表示限速标志图像识别算法。将该方法与直接求解稀疏表示的方法和分类求解稀疏表示的方法作对比,实验结果表明:该方法能够取得很好的识别效果,证明了该方法的有效性和可行性。(本文来源于《电子制作》期刊2014年24期）
限速标志识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目前已有很多基于交通标志图片进行道路交通标志识别的系统研究,但存在误识别率较高的问题.因此文中基于视频数据对限速交通标志进行检测与识别,实现了限速交通标志的自动检测定位,并采用反向传播神经网络来进行道路标志的识别;同时,还采用连续自适应的均值漂移算法和光流法进行视频加速.实验表明,新提出的算法在耗时上缩短50%以上,检测识别准确度在90%以上,适用于相关智能识别领域.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
限速标志识别论文参考文献
[1].郝芳芳,王震洲.模板匹配下的限速交通标志识别算法研究[J].科技风.2018
[2].张兴国,刘晓磊,李靖,王环东.BP神经网络下的限速交通标志实时检测识别[J].西安电子科技大学学报.2018
[3].杜影丽,贾永红,韩静敏.自然场景车载视频道路交通限速标志的检测与识别方法[J].测绘地理信息.2018
[4].史步娥.复杂环境下限速标志识别关键技术研究[J].科技资讯.2017
[5].邴雪燕.基于卷积神经网络的限速标志实时识别及警示系统研究[D].吉林大学.2017
[6].祝磊.基于径向对称的限速标志检测与识别[D].哈尔滨工业大学.2016
[7].成健,张重阳.基于自适应粒子群优化算法的限速标志识别[J].信息技术.2016
[8].成健,张重阳.基于安卓平台的限速交通标志的检测和识别[J].微型电脑应用.2016
[9].朱林.基于广义结构元的交通限速标志检测与识别研究[D].重庆交通大学.2015
[10].王伟,张艳珠.基于字典学习的稀疏表示限速标志识别方法[J].电子制作.2014