智能計(jì)算開(kāi)題報(bào)告第七組

智能計(jì)算開(kāi)題報(bào)告第七組成員:張翰超金

姣陳一鳴小組分工張翰超：交通限速標(biāo)志提取、識(shí)別陳一鳴：交通限速標(biāo)志識(shí)別金 姣：數(shù)據(jù)采集、識(shí)別算法研究、 文檔編寫及展示背景介紹簡(jiǎn)介過(guò)程意義簡(jiǎn)介交通標(biāo)志識(shí)別（TSR）可用來(lái)管理交通標(biāo)志、提醒司機(jī)以及命令或者禁止某些行為?？焖?、實(shí)時(shí)和自動(dòng)的交通標(biāo)志檢測(cè)和識(shí)別系統(tǒng)不僅能給司機(jī)帶來(lái)方便，因此大大提高了駕駛的安全性和舒適性。一般來(lái)說(shuō)，交通標(biāo)志提供大量的安全高效導(dǎo)航的信息。因此，高效識(shí)別交通標(biāo)志，無(wú)論是對(duì)自動(dòng)智能化駕駛車輛還是駕駛輔助系統(tǒng)都很重要。過(guò)程交通標(biāo)志識(shí)別系統(tǒng)通常分為兩個(gè)特定的階段：第一個(gè)是檢測(cè)錄像中的交通標(biāo)志或者是圖像處理；第二個(gè)階段涉及到識(shí)別那些檢測(cè)出來(lái)的交通

標(biāo)志，即在人工神經(jīng)網(wǎng)絡(luò)中處理感興趣目標(biāo)。檢測(cè)算法通常是基于形狀或顏色分割片段，這些提取出的分割區(qū)域作為識(shí)別階段的輸入數(shù)據(jù)。意義交通標(biāo)志提供大量的安全高效導(dǎo)航的信息。因此，高效識(shí)別交通標(biāo)志，無(wú)論是對(duì)自動(dòng)智能化駕駛車輛還是駕駛輔助系統(tǒng)都很重要。主要內(nèi)容：

一．?dāng)?shù)據(jù)采集二．交通標(biāo)志提取三．交通標(biāo)志識(shí)別四．實(shí)驗(yàn)結(jié)果及其分析一、數(shù)據(jù)采集1.本實(shí)驗(yàn)主要識(shí)別限速交通標(biāo)志：5、25、40、50、60示例：限速60的速度牌一、數(shù)據(jù)采集2.數(shù)據(jù)采集的主要途徑：①通過(guò)Google搜索引擎獲?、趯?shí)地采集3.數(shù)據(jù)采集的要求：每種交通限速標(biāo)志分不同角度采集二、交通標(biāo)志提取對(duì)采集的原始數(shù)據(jù)進(jìn)行交通標(biāo)志提取、裁切、標(biāo)準(zhǔn)化。二、交通標(biāo)志提取1.預(yù)處理①通過(guò)波段運(yùn)算進(jìn)行圖像增強(qiáng)②高斯濾波去除噪聲③圖像二值化二、交通標(biāo)志提取2.標(biāo)志提取——圓提?、倩舴蜃儞Q進(jìn)行圓提取②進(jìn)行裁切得到交通標(biāo)志③歸一化交通標(biāo)志圖像（30X30）三、交通標(biāo)志識(shí)別The

input

of

the

Neural

Network30x30

pixels

RGB

&

gray

image三、交通標(biāo)志識(shí)別Neural

network

architecture---MLP

(Multi

LayerPerceptron)The

total

input

to

MLP

is

63

nodes.

They

consists

of

3normalized

average

maximum

pixel

values,

MR,

MG

and

MB,30

inputs

from

a

vertical

histogram

(vh)

and

30

inputs

froma

horizontal

histogram(hh).三、交通標(biāo)志識(shí)別The

training

set

consists

of

two

main

dataThe

training

set

consists

of

two

main

dataillustrates

the

4

patterns

of

training

data

withoutproblem.illustrates

the

4

patterns

of

training

data

with

5different

distortionsproblems(stain

color,

noise,pixilated

distortion,

blur,

and

color

distortion).三、交通標(biāo)志識(shí)別The

validation

setVerifies

the

network

by

observing

Least-Square-Criterion

and

Kullback-Leibler

Distance

measurements三、交通標(biāo)志識(shí)別Pattern

recognition:

MLP

Structure

(Multi

LayerPerceptron)In

the

training

process,

the

network

obtains

63

essentialtraining

data

parameters

which

are

extracted

by

theForm

Recognition

Stage.

The

weights

of

63

node-inputlayer

are

altered,

and

then

the

parameters

are

passed

to

the

hidden

layer

respectively.When

performing

the

network,

the

net