孪生神经网络交通标志编码识别算法

交通标志识别技术正在被逐步应用到汽车辅助驾驶领域。但是，遮挡、污损、天气环境变化等因素会严重影响交通标志识别的准确性和稳定性。针对该问题，提出了一种基于孪生神经网络的交通标志编码识别模型。该模型将交通标志的识别问题视为交通标志的卷积特征编码识别问题。通过卷积神经网络对交通标志训练样本和基准样本进行特征提取与编码。再利用孪生神经网络进行编码对比，结合对比损失函数对编码器训练调整。通过全连接层对输入通路的标志卷积编码进行重新组合与分类，从而实现交通标识的识别。实验结果表明，所提的基于改进孪生神经网络的编码器模型对存在运动模糊与遮挡的标志图像能生成有效、鲁棒的特征编码，相较于其他先进算法，具有更高的识别准确率。     

基于视觉图像与激光点云融合的交通标志快速识别方法

交通标志对车辆交通起到重要作用和意义,而智能交通中交通标志识别由于标志特征提取效果差,导致识别率低、识别时间长,因此,提出一种新的基于视觉图像与激光点云融合的交通标志快速识别方法。采用双边滤波方法预处理原始激光点云数据;通过归一化处理得到视觉图像激光点云融合的目标空间激光点云位置测距数值。通过测距值获取目标图像位置,归一化处理交通标志视觉图像,引入k均值聚类算法(k-means clustering algorithm)二聚类处理图像,采用制作的切割模板切割图像感兴趣区域(ROI),提取交通标志图像的深度特征,结合卷积神经网络二次过滤特征,重新标定二次过滤后的特征,最终利用卷积神经网络模型实现交通标志快速识别。经实验对比证明,采用所提方法的提取各个类型交通标志特征的提取效果较好,并且识别率达到89.74%,识别时间仅为13.1s,干扰下识别时间最高仅为15.1s,验证了该方法可以快速且准确识别各个类型的交通标志。     

基于深度残差网络的交通标志识别方法研究

交通标志识别是无人驾驶系统和智能驾驶系统不可少的关键技术之一,为了提高交通标志的识别准确率,进一步提高无人驾驶汽车在行驶过程中的安全性,提出了一种基于深度残差网络的交通标志识别方法,利用不同尺寸的残差模块进行堆叠,构建了具有100层卷积层的网络模型.以比利时交通标志数据集BTSC作为实验数据,优化网络模型后得到的识别准...     

基于微控制器改进SqueezeNet交通标志识别的研究

针对目前交通标志的识别都是基于操作系统之上,无法做到自主可控、稳定可靠的问题,故提出一种基于微控制器卷积神经网络交通标志识别。考虑到微控制器内存及计算速度,研究采用改进SqueezeNet网络模型结构,将PC训练机训练好的各种交通标志权值矩阵文件缩小了50倍,移植到前端Cortex-M核系列开发板上;利用内嵌的CMSIS-NN网络函数库搭建与训练机相同的网络模型结构实现对标志的快速识别。实验结果表明,基于微控制器改进SqueezeNet交通标志识别方法平均识别率达到97.4%以上,识别速度得到了有效的提高, 同时为智慧交通的标志识别提供了一种可选择方案。     

实时交通禁止标志探测应用的研究

交通标志的检测在智能汽车驾驶的系统中是一个十分重要的环节。在该文中,介绍一种有效的方法,在视频或图像中检测到交通禁止标志的存在,提取出确定包括标志的图像区域,为进一步的分类识别算法提供可靠的数据源。由于交通标志通常在各地都拥有醒目的图形和颜色,该文中首先利用颜色和形状的经验模型对一帧图像进行预处理,分析出可能存在交通标志的感兴趣区域,作为候选(Candidate)。再对这一候选区域进行判断是否是交通标志,此处利用了图像的HOG特征,和SVM分类器。实验结果表明,这一方法有效地避免了光照条件、轻微遮挡等因素的干扰,准确的检测到图像中的交通标志所处的位置。     

基于改进卷积神经网络的交通标志识别方法

针对传统卷积神经网络时间成本高的不足,对卷积神经网络进行了改进,减少其卷积核的数量,增加池化方式.为解决真实场景中自动驾驶系统和辅助驾驶系统中的道路交通标志识别问题,将改进的卷积神经网络运用到道路交通标志识别当中,以达到在较短时间内识别出交通标志的目的.以图形数据集GTRSB实景交通标志图像数据作为样本,用改进的卷积神经网络对实景交通标志进行识别,其识别总体准确率达到98.38%.实验结果表明,本方法可以在保持较高识别准确率的同时减少其识别的时间.     

基于外观特征与神经网络的交通标志识别

不同种类的交通标志具有特定的颜色及形状等外观特征,本文利用此特点设计了一个自动交通标志识别系统。该系统首先应用HIS彩色模型及标志的形状特征确定彩色图像中的标志区域及标志所属的种类。系统再应用自组织神经网络（S0MNN）进一步识别标志模式。实验证明了该方法的有效性与鲁棒性。     

基于SURF的车载实时交通标志识别系统

本文提出了一种基于鲁棒性和实时性相结合的SURF(Speeded-Up Robust Features)特征描述符的车载实时交通标志识别系统,该系统首先构建基准交通标志的SURF数据库并对其进行分类;然后设计了一种简单高效的RBFilter滤波器检测输入图像中是否存在交通标志,确定可能存在交通标志的感兴趣区域(Region of Interest,ROI)以及类别;最后通过对图像的ROI进行SURF特征描述并与基准数据库中的交通标志描述符进行搜索匹配,完成交通标志的识别。该系统在基于OpenCV的VS2008平台上实现,在实物仿真模拟实验室进行的实验表明,所设计的系统能在复杂环境中高效准确地进行交通标志的识别。     

实时矩形交通限速标志识别系统

交通限速标志识别系统是汽车辅助驾驶系统的一项重要组成部分,本文提出了一种实时矩形交通标志识别系统.首先采用多尺度多区域的局部二值模式（LBP）特征训练Adaboost分类器进行交通限速标志的检测,然后利用线性预测的算法进行标志跟踪.识别预处理阶段,首先采用投影分析的方法对交通标志进行旋转校正,然后采用基于积分图的自适应二值化方法将图像进行二值化,再利用连通区域标记方法得到包含限速标志数字的最小矩形区域.识别时首先采用主元分析（PCA）进行特征向量提取,然后用聚类的方法构建二叉树的线性支持向量机进行分类识别.在普通笔记本电脑系统配置下,通过大量的实际道路场景的视频数据测试,系统取得了98.3%的正确识别率,平均处理速度达16帧/s.     

基于图像处理的智能车辆系统

交通标志的自动识别技术是智能车辆中辅助驾驶系统中的关键技术,未来会发挥越来越重要的作用。根据当前该领域的研究现状,结合图像处理、计算机视觉和模式识别技术,提出了包括道路标志、红绿灯和车道线的道路信息识别算法,开发出一款智能车辆系统。该系统可以根据摄像头采集的道路视频图像,实时准确地识别图像中的道路标志信息,并对驾驶员发出相应的文本及语音提示,从而实现交通信号的自动识别和预警。     

基于图像识别的螺纹参数检测系统

传统的螺纹参数检测技术主要采用工作量规进行检测,工序复杂、效率低、成本高,在实际生产中极易受到环境因素的影响而不易进行螺纹参数测量。基于图像识别的螺纹参数检测系统,利用CCD获取螺纹基本图像,通过数字图像处理技术和模式识别方法对螺纹几何参数进行自动识读并加以识别,在较恶劣的环境下也可以识别螺纹参数,可节约成本和提高效率。     

Hybrid optical-digital system of texture recognition with liquid crystal input device

The results of experimental research of working hybrid optical-digital image recognition system based on features extracted from Fourier spectra are presented. To form the features an optical Fourier processor with liquid-crystal input device is used. Recognition is carried out with computer (PC) using a neural network algorithm. The possibility of applying the developed system for recognition of the terrain images obtained by aerial photography is shown.     

基于纹理分析的精确车牌定位算法

在车牌识别（LPR）系统的实现过程中,最关键的部分就是车牌图像的提取以及车牌字符图像的分割。介绍了一种基于车牌区域字符的纹理特征和统计规律的车牌定位方法。由于光照、复杂背景等因素都会对车牌定位产生不良影响,而利用车牌字符纹理丰富的特征寻找车牌区域就可以避开这些不良影响。这种算法不仅排除了光照、复杂背景等因素的影响,而且对于拍摄到车牌的大小、车牌在图像中的位置和倾斜角度没有太多限制。实验证明这种算法具有定位准、适应性强的特点。     

Object recognition robust under translations, deformations, andchanges in background

Recognition systems based on model matching using low level features often fail due to a variation in background. As a solution, I present a system for the recognition of human faces independent of hairstyle. Correspondence maps between an image and a model are established by coarse-fine matching in a Gabor pyramid. These are used for hierarchical recognition     

基于低通滤波模型的行人再识别算法

针对行人再识别的图像中由于遮挡和背景干扰而存在大量无用特征的问题,提出一种基于低通滤波模型的行人再识别方法。首先,将行人图像进行分块;然后,计算各种小块在各图像中的相似个数,其中相似个数较多的小块为高频噪声特征、相似个数较少的小块为有益特征;最后,不同于常见图像处理中的滤除突变特征、留下平滑特征的低通滤波器,所提方法利用通信系统中的低通滤波器实现抑制高频噪声特征、增益有益特征的目标。实验结果表明,所提方法在ETHZ数据集上的识别率比经典的对称性局部特征累加（SDALF）方法提升了近20%;同时,该方法在VIPeR和I-LIDS数据集上也取得了相似的效果。     

一种结合形状与纹理特征的植物叶片分类方法

根据植物叶片识别植物种类对于生物科学与生态科学具有重要的辅助作用。针对叶片分类,提出了一种基于形状与纹理特征的分类算法。在进行了去噪等预处理后,通过阈值分割和数学形态学方法获取叶片区域;在分割得到的二值区域图像上提取了形状特征,在灰度图像上提取了纹理特征;在所得特征的基础上,利用BP网络对叶片进行分类。在实际图片上的实验结果表明,相比于已有算法,该方法可以达到更高的正确分类率。     

基于低通滤波模型的行人再识别算法

针对行人再识别的图像中由于遮挡和背景干扰而存在大量无用特征的问题，提出一种基于低通滤波模型的行人再识别方法。首先，将行人图像进行分块；然后，计算各种小块在各图像中的相似个数，其中相似个数较多的小块为高频噪声特征、相似个数较少的小块为有益特征；最后，不同于常见图像处理中的滤除突变特征、留下平滑特征的低通滤波器，所提方法利用通信系统中的低通滤波器实现抑制高频噪声特征、增益有益特征的目标。实验结果表明，所提方法在ETHZ数据集上的识别率比经典的对称性局部特征累加（SDALF）方法提升了近20%；同时，该方法在VIPeR和I-LIDS数据集上也取得了相似的效果。     

Evolutionary feature and instance selection for traffic sign recognition

The problem of traffic sign recognition is generally approached by first constructing a classifier, which is trained by some relevant image features extracted from traffic signs, to recognize new unknown traffic signs. Feature selection and instance selection are two important data preprocessing steps in data mining, with the former aimed at removing some irrelevant and/or redundant features from a given dataset and the latter at discarding the faulty data. However, there has thus far been no study examining the impact of performing feature and instance selection on traffic sign recognition performance. Given that genetic algorithms (GA) have been widely used for these types of data preprocessing tasks in related studies, we introduce a novel genetic-based biological algorithm (GBA). GBA fits “biological evolution” into the evolutionary process, where the most streamlined process also complies with reasonable rules. In other words, after long-term evolution, organisms find the most efficient way to allocate resources and evolve. Similarly, we closely simulate the natural evolution of an algorithm, to find an option it will be both efficient and effective. Experiments are carried out comparing the performance of the GBA and a GA based on the German Traffic Sign Recognition Benchmark. The results show that the GBA outperforms the GA in terms of the reduction rate, classification accuracy, and computational cost.     

多帧图像综合技术在车牌识别中的应用

本文针对车牌识别系统在车牌图像质量不高时识别准确率较低的问题,提出了一种多帧图像综合算法,来更全面地利用车牌图像中所含有的有用信息,以达到提高车牌识别准确率的目的。首先利用图像配准算法对从视频图像中抽取的几帧图像进行配准,然后利用像素值取大算法进行综合,最后得到一幅综合后的车牌图像。实验表明,经过该算法综合后的车牌图像比原图像更接近真实的车牌图像,能够更好地适用于车牌识别,从而提高车牌识别的准确率。