需要金幣： 2000 個金幣 |
資料包括：完整論文 |  |
 |
| 轉(zhuǎn)換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：10248 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要:近些年來隨著城市化建設(shè)的迅速加快，機動車數(shù)量增加迅速普及到人們的生活中，機動車輛的行駛安全已經(jīng)成為全世界關(guān)注的熱點。然而由于道路狀況的復(fù)雜性與交通信息的多樣性使得駕駛員在行駛的過程中注意力不容易集中，不能及時獲取道路信息從而釀成車禍，嚴重影響了公共安全。當(dāng)前如此嚴峻的情況下，利用高新技術(shù)開發(fā)具有輔助駕駛或自動駕駛功能的智能車輛成為解決該問題的關(guān)鍵手段之一，因此，輔助駕駛或自動駕駛系統(tǒng)的發(fā)展己成必然，而交通信號燈識別技術(shù)方法的研究對這兩方面有著十分重要的意義[1]。 本設(shè)計利用基于SVM（支持向量機）算法的Matlab圖像識別有效地檢測出交通燈信號并識別出其基本的燈語含義。具體步驟如下： 對讀取的圖像利用迭代法選取最佳閾值進行二值化處理，再利用top-hat算子對二值化的圖片做形態(tài)學(xué)處理提取出亮區(qū)域，之后根據(jù)交通信號燈光源部分的特點，設(shè)定用于約束的面積閾值與長寬比閾值過濾掉不在這兩閾值區(qū)間的部分得到最后的亮區(qū)域，標(biāo)記為候選區(qū)。因為RGB圖像受光照的干擾較強，所以我們需要將圖片轉(zhuǎn)換到HSV顏色空間上識別顏色，我們先將候選區(qū)裁剪到最小的外接矩形，再使用RGB轉(zhuǎn)HSV公式對裁剪過的候選區(qū)進行顏色空間轉(zhuǎn)換，之后對H分量進行跟蹤H分量的大小識別出其顏色信息。 在形狀識別這一部分，先利用libsvm訓(xùn)練SVM分類器，首先將樣本圖像的交通燈候選區(qū)進行灰度化處理，大小歸一化為32×32。之后將預(yù)處理后的交通等信號候選區(qū)送入SVM分類器中，提取候選區(qū)的哈爾小波特征，并用F-score對提取的特征進行降維處理，最后利用訓(xùn)練好的SVM分類器對候選區(qū)進行形狀檢測。
關(guān)鍵詞：交通信號燈；形狀識別；圖像處理；支持向量機
目錄 摘要 Abstract 1.緒論-1 1.1研究背景-1 1.2交通燈基礎(chǔ)知識-1 1.3本文主要工作-2 1.3.1交通燈識別系統(tǒng)實現(xiàn)的困難-2 1.3.2研究內(nèi)容及方法-3 2 顏色候選區(qū)提取與識別-4 2.1顏色空間基礎(chǔ)知識-4 2.2形態(tài)學(xué)處理-6 2.3顏色候選區(qū)提取-8 2.3.1圖像二值化-8 2.3.3基于top-hat算子的亮區(qū)域提取 （頂帽變換）-9 2.4顏色識別-10 2.4.1顏色空間轉(zhuǎn)換-10 2.4.2顏色識別-11 2.5本章小結(jié)-11 3.形狀識別-12 3.1 SVM-支持向量機算法簡介-12 3.1.1 線性可分-12 3.1.2線性不可分-13 3.2 SVM分類器設(shè)計與訓(xùn)練-13 3.2.1核函數(shù)選擇-13 3.2.2樣本圖像處理-13 3.2.3訓(xùn)練樣本特征提取-13 3.2識別過程-14 3.3識別結(jié)果-14 3.4本章小結(jié)-15 4.系統(tǒng)界面設(shè)計與實驗結(jié)果分析-16 4.1Matlab gui界面簡介-16 4.2界面設(shè)計-16 4.3算法過程-18 4.4結(jié)果及其分析-19 4.5本章小結(jié)-23 5.總結(jié)與展望-24 5.1本文工作總結(jié)-24 5.2未來展望-24 參 考 文 獻-25 致 謝-26 |
