空間智能計(jì)算中期報(bào)告

空間智能計(jì)算中期報(bào)告組長(zhǎng)：王環(huán)東組員：劉曉磊、王彩勤實(shí)驗(yàn)選題本次實(shí)習(xí)的選題是實(shí)現(xiàn)復(fù)雜背景下限速交通標(biāo)志牌的檢測(cè)與識(shí)別，目前進(jìn)度大體實(shí)現(xiàn)了交通標(biāo)志的檢測(cè)部分。PPT主要展示實(shí)現(xiàn)部分，對(duì)識(shí)別部分作簡(jiǎn)要介紹工作分配檢測(cè)實(shí)現(xiàn)：劉曉磊識(shí)別實(shí)現(xiàn)：王環(huán)東視頻提供與文檔整理：王彩勤1.1檢測(cè)——實(shí)驗(yàn)方法與過程本次標(biāo)志檢測(cè)的方法為：首先對(duì)影像進(jìn)行顏色分割，然后對(duì)影像進(jìn)行平滑處理，接著進(jìn)行邊緣提取與擬合，最后進(jìn)行橢圓擬合，最終實(shí)現(xiàn)交通標(biāo)志牌的檢測(cè)。1.顏色分割2.影像平滑3.邊緣提取4.橢圓擬合1.顏色分割最初按照《TrafficSignRecognition-OpenCV》文章里提到的通過輸入閾值將影像進(jìn)行二值化點(diǎn)處擊理添發(fā)加現(xiàn)標(biāo)得題到太多無用的噪聲邊緣，遂需要從影像中分割出感興趣區(qū)域即影像中的紅色區(qū)域。本文用到的顏色分割方法為：首先將影像從RGB轉(zhuǎn)到HSV空間，然后逐像素進(jìn)行判斷若V>=0.15且S>=0.1且H<=20或H>=340則將該區(qū)域賦為白色，否則將其變?yōu)楹谏?，這樣白色區(qū)域即為感興趣區(qū)域，分割完畢。1.1檢測(cè)——實(shí)驗(yàn)方法與過程點(diǎn)擊添加標(biāo)題2.影像平滑經(jīng)過反復(fù)試驗(yàn)，最終發(fā)現(xiàn)通過三次高斯平滑可以很好地除去噪聲，為下一步邊緣提取提供便利1.1檢測(cè)——實(shí)驗(yàn)方法與過程3.邊緣提取通過自適應(yīng)邊緣提取和canny邊緣提取的結(jié)

果對(duì)比，最終選取Canny邊緣檢測(cè)算子進(jìn)行

邊緣提取。兩種方點(diǎn)法擊添得加到標(biāo)的題邊緣如下圖所示：1.1檢測(cè)——實(shí)驗(yàn)方法與過程3.邊緣提取自適應(yīng)邊緣提取canny邊緣算子1.1檢測(cè)——實(shí)驗(yàn)方法與過程4.橢圓擬合利用opencv自帶函數(shù)cvEllipse（）進(jìn)行擬合會(huì)發(fā)現(xiàn)許多噪聲也被擬合成橢圓，所以需要對(duì)橢圓的扁率進(jìn)行限制，我們這里采用一種簡(jiǎn)單的算法，點(diǎn)即擊用添加橢標(biāo)圓題的兩個(gè)半軸相除，若其值介于0.8和1.2之間則認(rèn)為該橢圓為交通標(biāo)志，否則不是交通標(biāo)志。下圖分別為不限制扁率和限制扁率之后的檢測(cè)結(jié)果：1.1檢測(cè)——實(shí)驗(yàn)方法與過程4.橢圓擬合不限制扁率限制扁率1.1檢測(cè)——實(shí)驗(yàn)方法與過程實(shí)驗(yàn)流程圖1.2檢測(cè)——實(shí)驗(yàn)流程打開影像顏色分割高斯平滑邊緣提取計(jì)算曲率是否介于橢圓擬合檢測(cè)完成是0.8—1.2否1.3檢測(cè)——實(shí)驗(yàn)結(jié)果1.3檢測(cè)——實(shí)驗(yàn)結(jié)果1.3檢測(cè)——實(shí)驗(yàn)結(jié)果1.3檢測(cè)——實(shí)驗(yàn)結(jié)果2.1

識(shí)別——選用方法識(shí)別部分采用BP神經(jīng)網(wǎng)絡(luò)算法，先進(jìn)行大量樣本訓(xùn)練，然后進(jìn)行目標(biāo)識(shí)別。2.1

識(shí)別——選用方法3進(jìn)度匯報(bào)數(shù)據(jù)采集（實(shí)現(xiàn)）樣本集建立（實(shí)現(xiàn)）圖像標(biāo)志檢測(cè)（實(shí)現(xiàn)）圖像標(biāo)志識(shí)別（實(shí)