摘要:在自动驾驶系统和辅助驾驶系统等智能系统中，道路交通标志识别(Traffic Sign Recognition)是一项十分重要的工作。交通标志识别主要分为两个环节，一是检测，需要捕捉在复杂道路状况下出现的交通标志，并提取其图像特征，很多学者根据交通标志的特点提出了基于颜色和基于形状等特征提取方法。二是识别，即将得到的图像特征经过处理后进行识别，判定交通标志的类别，目前的主流方法有神经网络，模糊识别，支持向量机等几种。但由于这些方法过于复杂导致系统运行时间过长，在驾驶过程中很难产生实际意义。针对这一问题，本文采用GTSRB比赛时提供的标准交通标志数据集进行实验，并对交通标志的颜色特征和形状特征进行处理，通过提取主要特征分量的方式，在保证识别效果的情况下大大降低了时间的消耗。

关键词 ：计算机视觉；自动驾驶；交通标志识别；支持向量机

目录

摘要

Abstract

1 引言-1

1.1 项目背景与意义-1

1.2 交通标志识别系统简介-1

2 系统分析-2

2.1 检测相关的技术-2

2.1.1 交通标志简介-2

2.1.2 交通标志的特征-4

2.2 判别相关的技术-5

2.3 运行环境-5

3 初步实验-6

3.1 GTSRB数据集-6

3.2 图像特征选取-7

3.3 支持向量机分类-7

3.3.1 支持向量机-7

3.3.2 参数选取-8

3.3.3 时间性能的优化-8

3.4 实验结论-9

3.4.1 实验结果-9

3.4.2 实验总结-9

4 图像的主特征分量-10

4.1 图像特征的必备特点-10

4.2 图像特征的改良原理-10

4.2.1 简单分析-10

4.2.2 主成分分析-10

4.3 实验结论-11

4.3.1 实验结果-11

4.3.2 国内外学者的相关实验结果-12

4.3.3 实验总结-12

5 分类别的加权主特征分量-13

5.1 GTSRB数据集分析-13

5.2 分类别提取特征-13

5.3 实验结果-13

5.4 实验总结-14

6 交通标志软件的图形界面-15

6.1 MATLAB图形用户界面简介-15

6.2 交通标志软件的图形界面及效果-15

结   论-17

参 考 文 献-18

致    谢-19