共查询到20条相似文献,搜索用时 78 毫秒
1.
变化光照条件下交通标志检测算法的准确率往往会显著降低。针对此问题,提出了1种新颖的概率图建立方法,并结合最大稳定极值区域特征进行交通标志检测。该方法包括3个处理步骤:①根据不同光照条件对真实场景交通标志样本图像进行明确分类以构建多类颜色直方图,将交通标志输入图像由原始色彩表达转变为概率图(直方图反投影);②通过在概率图上进行 MSER特征提取,获取候选的交通标志区域;③根据候选区域的面积、宽高比等特征快速有效去除非交通标志区域。实验结果表明在弱光照和强光照条件下基于归一化RGB的交通标志检测算法检测准确率分别下降到84.4%和83.0%,基于红蓝图的交通标志检测算法检测准确率分别下降到87.4%和86.3%,提出的算法在变化光照条件下依然可以保持90%以上的检测准确率,对光照变化有较好的鲁棒性。 相似文献
2.
针对小尺寸、远距离的交通标志检测过程中缺少信息的问题,以改进的更快速区域卷积神经网络(Faster R-CNN)检测器为基础,结合生成对抗网络(GAN)的目标检测算法实现对小目标交通标志的检测。Faster R-CNN首先根据期望目标设定合适的锚点数量,生成包含小目标的候选区域,再使用生成网络对候选区域中的模糊小目标进行上采样,生成高分辨率图像,最后使用分类损失函数与回归损失函数对判别网络进行改进。试验结果表明,Faster R-CNN和生成对抗网络相结合的检测算法可以提高远距离小目标交通标志检测性能。 相似文献
3.
本文将现代统计学理论中的支持向量机技术与Gabor滤波技术相结合,提出一种基于支持向量机的交通标志识别方法,并使用MATLAB工具设计出一个简单的实验验证平台。整个系统由图像处理、特征提取、SVM分类器3个模块构成。首先对数码相机采集到的图像进行色彩分割处理,将得到的GRAY图进行Gabor滤波处理,将提取到的特征量与数据库中的基准元素通过使用SVM算法进行分类,最终实现了对交通标志的准确识别。 相似文献
4.
5.
6.
《公路交通科技》2018,(12)
本文通过一种改进的基于RGB空间的颜色增强算法变换RGB空间颜色值并分割图像,锁定道路两边的图像信息并利用其特有的几何形状检测并定位交通标志,提取其内部图形,建立基于边缘梯度特征的交通标志匹配和污损识别算法模型。该算法利用少量样本快速创建不同尺度和角度下的模板,解决了基于机器学习方法下需要大量样本并训练时间过长的问题,同时基于梯度特征进行匹配,解决了基于灰度的模板匹配对光照变化过于敏感的问题。最后,通过采集了大量图像数据,并研发基于服务端和移动端的原型系统进行模型算法的验证,实例实验表明,本文提出的算法具有较高的识别准确率和匹配效率,检测准确率可达到83%,且能满足基于移动端的应用需要。 相似文献
7.
《公路》2021,66(10):24-29
为提高沥青路面裂缝的识别精度与速度,提出一种基于残差神经网络的沥青路面裂缝自动识别算法。首先建立沥青路面图像集,使用数据清洗算法对综合检测车采集到的裂缝图像进行数据清洗,构建沥青路面裂缝图像样本数据集,并将图像集按8∶2的比例划分为训练集和测试集;接着采用残差神经网络ResNet50对清洗后的数据进行训练,得到网络权重后使用训练好的网络对沥青路面裂缝数据进行预测,评价网络准确性。试验结果表明:沥青路面图像清洗算法的准确率为95%,能良好地实现沥青路面原始图像的清洗;裂缝图像分类的平均准确率达到94%,其中横向裂缝、纵向裂缝、龟裂、块状裂缝的识别准确率分别为96.1%、94.6%、93.6%和94.1%。 相似文献
8.
针对交通标志识别实时性不足,提出了一种基于双向二维的主成分分析[(2D)2PCA]的交通标志识别算法.首先,对交通标志图像进行去噪归一化等预处理.然后,进行水平和垂直方向的投影,通过特征空间降维提高匹配速度.最后,利用最近邻法进行分类.通过在不同数据库下与传统2DPCA方法的对比仿真表明,2种方法随主特征数目增加,识别率都有所提升;样本数量增加时,(2D)2PCA算法的时间增长速度明显小于2DPCA,满足了识别的实时性要求. 相似文献
9.
目前基于深度学习的路面裂缝识别经常面临训练数据集小,以及路面图片标注成本高等问题,基于小规模路面图片数据集,利用卷积自编码(CAE)方法进行数据增强,开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上,采用CAE重构图片方法对原始数据集进行两步骤扩增;利用卷积神经网络DenseNet,设置了不同数据扩增方法的对比试验;针对沥青路面裂缝图片背景较黑,裂缝特征不清晰,无监督聚类学习难度大等问题,采用了一种基于CAE预训练的深度聚类算法DCEC,对经数据增强的路面图片进行无标注的聚类识别。研究结果表明:经过DenseNet网络100代的训练,在同一测试集的测试下,基于原始数据集训练的网络分类准确度为78.43%,利用传统图像处理方法进行扩增后准确度为83.44%,利用所提出的图片增强方法进行数据扩增后准确度达87.19%;在保持扩增后数据集样本量大小相同的情况下,与几何变换、像素颜色变换等经典数据增强手段相比,CAE重构图片的数据扩增方法有较高的路面图片识别精度;CAE数据扩增方法较受训练数据集样本量的影响,利用传统方法将数据集扩增后进行CAE特征学习,重构后的图片样本更易被机器识别;相较于传统机器学习聚类算法,所提出的的DCEC深度聚类方法将聚类准确率提升了约10%,初步实现了无需人工标注的路面目标的端到端智能识别。 相似文献
10.
11.
为提高涵洞淤堵病害的检测效率,研究了基于无人机采集病害视频、图像资料和迁移学习的卷积神经网络(人工智能)算法对涵洞图像进行分类。将涵洞状况分为:淤堵、部分淤堵和正常3个类别。并把在ImageNet图像数据集上预训练过的人工智能算法(如ResNet-18网络模型)应用至涵洞图像中,以此提高人工智能算法的准确性。结果表明:使用ResNet-18对涵洞分类识别准确率可达到93%,实现了对涵洞状况的有效分类。此外,还提出了一种通过MATLAB调用涵洞状况图像GPS信息得到地理位置定位的方法,帮助二次检测或后期维护人员快速达到病害现场,进行相关的监测维护工作。 相似文献
12.
13.
14.
15.
《公路交通科技》2010,(6)
基于计算机视觉的驾驶员支持系统在智能交通系统的应用中大致有三方面的作用:(1)道路识别;(2)碰撞识别;(3)交通标志识别。前两方面研究较多,并取得许多好的结果;但对交通标志识别的研究相对较少,由于交通标志包含重要的交通信息,利用这些信息可为车辆自动驾驶、车辆的安全驾驶提供计算机辅助决策,从而提高交通的安全性和运输效率。因此对交通标志识别的研究近年来引起了广大学者的浓厚兴趣。文章首先简要地介绍交通标志的有关知识以及交通标志识别研究的主要难点,然后根据交通标志的识别一般分为侦测和分类两个模块的特点,分模块详细地讨论了交通标志识别的研究现状以及应用情况,同时也指出了在当前应用中的一些不足,最后针对这些不足对交通标志识别下一步的研究方向进行了展望。 相似文献
16.
17.
18.
锚杆的锚固质量通常使用声波反射法进行检测,然后使用人工方式对其进行分析和分类,但人工方式不仅具有较强的主观性,而且还费时费力。为解决上述问题,提出一种基于Alexnet卷积神经网络的锚杆锚固质量评估方法。首先,对已经经过人工分类的声波反射信号进行预处理,得到原始样本数据,并将其按一定比例划分为训练集和测试集;
然后,用该样本数据训练卷积神经网络模型并进行分类测试。试验结果表明: 1)该预处理方法极大地提高了最后分类的准确性,样本数据集达到了约90%的准确率; 2)在实际工程应用中,与人工分类结果相比,采用该方法得到的分类结果认可度达到95%。 相似文献
19.
针对高速公路交通标志存在种类多、数量大,数字化管理过程中涉及设计、管养等诸多环节,目前尚无统一编码方法的问题,在分析高速公路交通标志信息管理现状与相关规范的基础上,形成了由分类码、位置码和属性码组成的编码方案。结合国家与交通行业现行标准为上述3部分编码建立编码规则和编码结构,形成高速公路交通标志编码体系,并采用功能模块化思想,设计了交通标志数字化管理系统,并以实例验证了提出的交通标志编码方法在数字化管理中的可行性,实现了高速公路交通标志数字化编码。该编码方法可为实现高速公路交通标志数字化管理提供关键技术支撑。 相似文献
20.
逆光条件下交通标志的可视距离研究 总被引:10,自引:3,他引:10
交通标志的视认直接影响行车安全。将眼动仪EMR-8B应用到交通安全研究领域中,从影响交通标志视认性的外部因素出发,以大量的现场行车实验为研究手段,探讨了在不同行车速度下,光线条件对交通标志可视距离的影响。并进行了相关性分析。研究结果表明,交通标志的可视距离随车速的提高而降低;同一实验车速,顺光条件下标志的视认性最佳,其次为夜间反光标志,逆光条件下的标志视认性较差。 相似文献