第20提交-20組終期報告

萬海翔1、郭義超(組長)2、余松31.數(shù)據(jù)采集、數(shù)據(jù)整理，30%2.數(shù)據(jù)處理、算法實現(xiàn)，40%3.PPT制作、論文編寫，30%道路交通標(biāo)志檢測與識別目錄數(shù)據(jù)采集數(shù)據(jù)處理路標(biāo)識別實驗結(jié)果總結(jié)展望檢測流程圖像提取圖像預(yù)處理標(biāo)志分割標(biāo)志識別數(shù)據(jù)分類本次采集的數(shù)據(jù)，分為訓(xùn)練樣本和驗證樣本。訓(xùn)練樣本又分為正樣本（限速牌）和負(fù)樣本（非限速牌）。數(shù)據(jù)負(fù)樣本驗證樣本正樣本訓(xùn)練樣本圖像預(yù)處理讀取圖像顏色分割圖像增強(qiáng)直方圖增強(qiáng)RGBHSV中值濾波形態(tài)學(xué)運算腐蝕膨脹二次處理二值化高斯濾波圖像預(yù)處理初始圖像RGB分割HSV分割圖像預(yù)處理初始圖像RGB分割HSV分割標(biāo)志提取形狀分割霍夫圓輪廓擬合目標(biāo)區(qū)域裁剪標(biāo)志提取原始圖像霍夫圓檢驗標(biāo)志提取原始圖像形狀提取路標(biāo)識別兩種方案：1.基于PHash（感知哈希）算法的目標(biāo)檢驗2.基于SVM（支持向量機(jī)）的目標(biāo)識別基于感知哈希算法的路標(biāo)識別PHash算法：1.縮小尺寸，統(tǒng)一為32*32大小的圖像2.簡化色彩，將圖像轉(zhuǎn)為灰度圖3.計算DCT：計算圖片的DCT變換，得到32*32的DCT系數(shù)矩陣4.縮小DCT：只保留左上角的8*8的矩陣，這部分呈現(xiàn)了圖片中的最低頻率5.計算DCT平均值6.計算hash值基于感知哈希算法的路標(biāo)識別圖像分為兩類：1.經(jīng)過路標(biāo)檢測得到的ROI（感興趣區(qū)）2.模板庫，包括5、10、15、20、25五種樣本庫識別過程：1.利用PHash算法計算ROI和模板庫的哈希值2.利用分別計算ROI基于感知哈希算法的路標(biāo)識別識別過程：1.利用PHash算法計算ROI和模板庫的哈希值2.利用上步求得的哈希值分別計算出ROI與模板庫中的模板圖片之間的漢明距離3.求得最小漢明距離所在的模板類庫即為ROI對應(yīng)的限速內(nèi)容基于感知哈希算法的路標(biāo)識別識別效果檢驗：從驗證樣本中抽取了10張包含限速標(biāo)志的圖像進(jìn)行檢驗，其中有8張能夠正確識別基于感知哈希算法的路標(biāo)識別識別效果檢驗：

基于SVM的路標(biāo)識別支持向量機(jī)：

1.SVM一種二類分類模型，其基本模型定義為特征空間上的間隔最大的線性分類器，其學(xué)習(xí)策略便是間隔最大化，最終可轉(zhuǎn)化為一個凸二次規(guī)劃問題的求解。 2.在線性不可分的情況下，支持向量機(jī)首先在低維空間中完成計算，然后通過核函數(shù)將輸入空間映射到高維特征空間，最終在高維特征空間中構(gòu)造出最優(yōu)分離超平面，從而把平面上本身不好分的非線性數(shù)據(jù)分開?；赟VM的路標(biāo)識別步驟：1.讀取訓(xùn)練樣本2.灰度化3.縮小尺寸到8*8大小4.建立樣本數(shù)據(jù)矩陣，將所有正負(fù)樣本作為集合組織到矩陣5.創(chuàng)建反映樣本類別的標(biāo)簽矩陣，正樣本為1.0，負(fù)樣本為 -1.06.訓(xùn)練支持向量機(jī)，保存訓(xùn)練數(shù)據(jù)到SVM_DATA.xml文件7.建立驗證樣本向量，讀取驗證樣本到該向量8.利用訓(xùn)練文件SVM_DATA.xml對樣本向量進(jìn)行檢驗基于SVM的路標(biāo)識別支持向量機(jī)訓(xùn)練文件基于SVM的路標(biāo)識別支持向量機(jī)檢驗結(jié)果總結(jié)展望1.基于HSV閾值分割的路標(biāo)檢測能達(dá)到較好的檢測效果；2.基于感知哈希算法的路標(biāo)匹配能夠較好地進(jìn)行模式匹配，并具有一定的魯棒性；3.本文采取的標(biāo)志分割方法對于景深較大且背景顏色干擾大