基于视觉特征和信息传递的高等级公路交通标志设置有效性分析

道路标志在现代道路交通中发挥着重要的作用.本文通过驾驶员对交通标志设置的基本要求,对公路交通标志的设置进行了分析.在基于驾驶员视觉特征和信息传递的条件的分析的基础上,得出了交通标志设置应该满足的要求,为交通标志的设置提供了可靠的建议.     

交通标志对制动操作认知模型的影响

为了揭示交通标志诱发驾驶员弯道前制动操作的过程,根据认知学原理建立了驾驶员认知模型,并采用模拟驾驶的实验方法,分析了在不同条件下驾驶员第1刹车点位置与交通标志的关系.实验结果表明:当交通标志设置远离弯道入口时,制动操作直接受到交通标志影响;当设置位置距弯道入口较近时,交通标志对制动操作的作用将被弯道轮廓线所代替.另外,结果显示该过程还受到驾驶员内在记忆系统及外部环境的影响.实验结果验证了模型的有效性及相关影响规律,并且结合认知模型可以得到交通标志诱发驾驶员制动操作源于交通信息对于制动决策需求的满足.     

能准确识别交通标志的驾驶员辅助系统

澳大利亚国家信息与通信技术实验室的研究人员公开了他们最新设计的驾驶员辅助系统，这套系统可准确识别各种交通标志．并按照交通标志规定对驾驶员进行警告和提醒。     

遥感影像中道路交通标志线的去除

针对遥感影像中路面交通标志线对车辆提取造成干扰的问题,提出了一种基于灰度数学形态学与双边滤波相结合去除路面交通标志线的算法。首先,利用交通标志线与车辆目标的几何结构特征,设计了特殊的形态学结构元素对交通标志线进行粗滤除;然后,设计了一种自适应设置灰度方差的双边滤波方法对图像进行精滤除。实验结果表明,该算法对滤除遥感影像路面交通标志线有较好的效果。     

基于几何不变矩的交通标志识别

以警告交通标志图像为研究对象,首先采用Hu不变矩来提取交通标志图像特征,然后利用最小矩距离法和相关系数法对交通标志进行识别。实验结果表明,该方法具有很好的识别能力,对旋转、缩放后的图象可以达到较高的识别率,基于Hu不变矩的几何特征提取算法在图像识别中的应用是非常有效的。     

驾驶人对交通标志视认的短时记忆衰减模型研究

研究驾驶人交通标志信息记忆量随时间的变化规律,构建驾驶人对交通标志视认的短时记忆衰减模型,能够为城市道路交通标志设计及实施应用提供有力的支撑。提出采用幂函数曲线作为驾驶人对交通标志视认的短时记忆衰减曲线,并以一条有交通标志的实验路段为例,采用实车调查法,结合心理学记忆理论,分析交通标志信息量对驾驶人短时记忆的影响,构建驾驶人对交通标志视认的短时记忆衰减模型。通过研究验证了艾宾浩斯遗忘曲线,并为完善交通标志设置提供了参考依据。     

交通标志边缘检测技术研究

交通标志边缘检测是智能车实现交通标志识别过程中的关键一步,因此交通标志边缘检测技术的研究具有重要的意义。该文主要将几种经典的边缘检测算法应用在各类交通标志图的边缘检测上,并分别对没有加入噪声和加入噪声的图像进行仿真处理,最后对处理得到的图像进行比较和分析,为人们在实际应用中对算子的选择提供参考。     

基于混合预测模型的交通标志识别方法

随着高级驾驶辅助系统(advanced driver assistance systems, ADAS)和无人驾驶技术快速发展,交通标志识别方法成为一个重要的研究方向。为了辅助驾驶员实现安全驾驶,减少交通事故的发生,将AdaBoost-SVM和卷积神经网络(convolutional neural network, CNN)相结合,构建一个混合预测模型(mixed forecasting model, MFM),通过该模型识别交通标志。将卷积神经网络作为可训练的特征提取器,AdaBoost-SVM作为识别器。采用卷积层和下采样层构建两组隐层结构,将预处理的图像作为CNN模型的输入,利用反向传播算法(backpropagation, BP)对CNN模型进行训练直至收敛,最后将测试集的高维特征提取出来,采用AdaBoost-SVM分类器进行分类识别。实验结果表明,该MFM对交通标志具有很高的识别率和鲁棒性,且识别率和收敛时效都优于其他传统算法,对提高辅助驾驶和无人驾驶的安全性具有重要意义。     

基于前视距离的路侧交通标志设置方法

为了保证在复杂环境下驾驶员发现交通标志后有充足的时间完成标志信息的读取,在分析交通标志使用过程的基础上,提出标志设置的前视距离,并建立约束条件。为进一步确保车辆能够在危险点或分岔口前安全、顺畅地完成车辆行驶状态的改变,基于标志前视距离的约束条件和对目前标志设置方法中存在问题的分析,结合标志设置对路侧安全的影响,建立了新的路侧交通标志设置方法。     

基于多尺度卷积神经网络的交通标志识别方法

为了提升交通标志自动识别的精度,提出一种基于多尺度CNN的交通标志识别方法(TSR -MSCNN算法).该方法采用三阶段卷积神经网络,融合了低阶、中阶和高阶3种不同尺度的特征,并串联了多个小卷积层用以代替单个较大卷积层.通过对全连接层的神经元个数、Dropout参数、卷积核尺寸等网络超参数进行选比实验,获得了最佳的网络超参数.利用德国交通标志基准数据库(GTSRB)对不同算法进行测试表明,本文提出的算法在较小的网络参数量下能够有效提取交通标志特征,获取的识别准确率达到99.76%,且显著优于传统卷积神经网络方法和多尺度特征方法的识别准确率,因此本文算法在图像识别领域有良好的应用价值.     

指路标志版面评价与优化

为客观度量指路标志版面设计的优劣,从人类工效学角度应用多维量化数据评价道路交叉口指路标志版面工效性.综合考虑指路标志视认中的信息需求和信息处理过程,引入信息需求度、理解度和信息量,建立了指路标志版面工效性评价模型.发现指路标志指引交叉口直接衔接的道路信息及周边的重要地点信息更加合理,文字排列方式与道路线形保持一致、图形符号与文字结合都将提高标志内容理解水平.结果表明:版面工效性评价能很好地反映指路标志满足驾驶员信息需求、符合驾驶员认知规律、利于驾驶员感知道路线形的程度,是一种研究驾驶员、指路标志及道路之间协调性的有效方法.     

火灾工况下某特长城市地下道路疏散方案分析评估

为了评估某特长城市地下道路火灾工况下人员疏散的策略,借助计算流体动力学( computational fluid dynamics,CFD)模拟以及疏散模拟软件Building EXODUS对该城市地下道路设定的不同火灾疏散场景中可用的安全疏散时间与必需的安全疏散时间进行了模拟分析,并在此基础上对该城市地下道路的疏散方案进行了评估。研究结果表明：烟气自由扩散时,除隧道出口附近的疏散场景外,各疏散场景中可用的安全疏散时间都小于必需的安全疏散时间,导致部分人员的安全疏散受到威胁。因此,火灾发生时,必须及时启动烟气控制措施以保证内部人员的安全疏散。对于火灾发生在隧道出口的场景,在启动烟气控制系统保证火源上游人员安全疏散的同时,火源下游还应有一定的保障措施使下游车辆能快速驶出起火隧道。     

自然背景中交通标志的检测与识别

根据我国交通标志的颜色和几何属性,提出了一种适用于自然背景下的交通标志识别系统.该系统采用RGB彩色分量差对自然背景下的交通标志图像进行分割,而后采用先分类后识别的两级神经网络结构,分别提取交通标志的轮廓特征和不变矩特征作为分类网络和识别网络的输入特征,最终对交通标志图像进行分类识别.实验结果证明,该系统能对自然背景下的交通标志图像达到较好的识别效果,并且具有较强的鲁棒性和广泛的适用性.     

基于残差单发多框检测器模型的交通标志检测与识别

针对现有目标检测方法仅适用于大尺寸、少量特定种类交通标志的检测,且对复杂交通场景图像检测效果不佳的问题,以抗退化性能较强的ResNet101为基础网络,增加若干卷积层构建残差单发多框检测器（SSD）模型,对高分辨率的交通图像进行多尺度分块检测。为了加快检测速度,采取由粗到精的策略,省略对纯背景图像块的预测. 利用中等尺度图像块的初检结果缩小目标范围;对目标范围内的其他图像块进行检测;将所有图像块结果映射回原图像,并结合非极大值抑制实现精准识别。实验结果表明,该模型在公开的交通标志数据集Tsinghua-Tencent 100K上取得了94%的总体准确率和95%的总体召回率,对多分辨率图像中不同大小和形态的交通标志都具有良好的检测能力,鲁棒性较强。     

快速路复杂立交桥区立交桥型指路标志对行驶速度的影响

为了研究驾驶员对立交桥图形指路标志的理解水平,规范使用各类立交桥示意图形,改善道路交通安全环境,提出基于因子分析的立交桥图形指路标志视认复杂程度综合评价方法.视认实验对目前常见的37种立交桥示意图形在整体、局部及细节3个层面的视认复杂程度进行测试.测试结果表明,37种图形在整体、局部及细节层面的视认绩效都存在显著差异性,存在一定的不一致性.为实现立交桥图形复杂程度的综合量化评估,选取整体视认时间、整体主观评价打分、局部3个方向图形信息读取时间的平均值和最高值、出口操作选择错误人数比率、路径选择的错误人数比率以及细节视认风险点数量7个评估指标,采用因子分析方法,建立综合评分模型.分析结果表明：图形视认复杂程度综合评分为-1.366~2.046,在一定程度上与视认规律假设相吻合;从分布规律上看,图形视认复杂度与图形特点、要素表达方式、使用程度等存在一定的关联关系.

     

基于PC-LDA的交通标志形状特征识别方法

针对PCA方法所提取的特征分类效果较差,而LDA方法通常不能直接应用于图像特征提取的问题,提出了一种基于PC-LDA的交通标志形状特征识别方法.通过对交通标志图像进行归一化和二值化处理,得到交通标志形状特征.将PCA方法与LDA方法相结合用于交通标志二值图像特征提取,可以得到既有最佳描述性又有最佳分类效果的PC-LDA特征子空间.利用标准交通标志图像数据库进行验证,并采用最小距离分类器对所提取的特征进行识别,结果表明,该方法能够快速有效地进行维数约减,提高了交通标志识别率.     

New method for recognition of circular traffic sign based on radial symmetry and pseudo-zernike moments

Recognizing various traffic signs,especially the popular circular traffic signs,is an essential task for implementing advanced driver assistance system.To recognize circular traffic signs with high acc...     

基于多特征融合的交通标志分类

为有效提高交通标志分类的准确度,提出一种融合全局特征和局部特征的多特征交通标志分类方法。首先提取能够描述标志图像内部纹理信息的局部二值模式(local binary pattern, LBP)特征,再提取能够表示标志图像形状信息的方向梯度直方图(histogram of oriented gradient, HOG)特征和描述图像粗略轮廓信息的全局Gist特征,然后采用线性组合方式,实现特征融合互补,并通过主成分分析(principal components analysis, PCA)法进行数据降维,最后采用支持向量机(support vector machine, SVM)分类器进行交通标志训练与识别。试验结果表明:相对于单一特征的交通标志分类方法,基于多特征融合的算法获得了更高的分类精确度,同时也满足实时性要求。