交通标志的检测与识别

基于Faster RCNN和卷积神经网络的检测与识别的方法

正在投稿中，项目已开源在github:

https://github.com/USTClj/Traffic_Sign_Recognition_Efficient_CNNs

@article{li2018real,
  title={Real-time traffic sign recognition based on efficient CNNs in the wild},
  author={Li, Jia and Wang, Zengfu},
  journal={IEEE Transactions on Intelligent Transportation Systems},
  number={99},
  pages={1--10},
  year={2018},
  publisher={IEEE}

如果本文帮助了您，请您引用我们的论文

 

基于传统方法:

 

本科毕业设计的时候曾经做过交通标志的检测与识别，这个作为很好的图像处理与识别领域的入门project还是非常不错的.

交通场景图中黄色和白色直线检测

https://medium.com/computer-car/udacity-self-driving-car-nanodegree-project-1-finding-lane-lines-9cd6a846c58c

第1章  绪 论
1.1 交通标志识别算法的研究背景
1.2 交通标志识别算法的研究现状和发展趋势
1.3 交通标志识别算法的研究意义
1.4 论文内容的安排
1.5 本章小结
第2章  交通标志的简介和识别算法的流程设计
2.1 交通标志简介
2.2 识别算法的流程设计
2.3 算法实现的工具介绍
2.4 本章小结
第3章  图像的预处理
3.1 彩色空间的选择及其转换
3.2 直方图均衡化
3.3 运动模糊的去除
3.4 图像分割
3.5 二值化图像的形态学操作
3.6 本章小结
第4章  形状检测与判别
4.1 区域描述符
4.2 最小二乘拟合
4.3 椭圆傅里叶描述符
4.4 本章小结
第5章  特征提取与分类器构建
5.1 特征提取简介
5.2 主成分分析法（PCA）提取特征向量
5.2.1 PCA的数学理论
5.2.2 PCA的缺点
5.2.3 交通标志图像PCA提取特征向量的计算
5.3 HOG特征
5.4 分类器（SVM）的构建
5.4.1 SVM的简介
5.4.2 线性可分与非线性可分时的SVM构建
5.4.3 非线性映射与核函数（Kernel）
5.4.4 多分类SVM的构建
5.5 本章小结
第6章  实验结果与分析
6.1 交通标志检测与定位算法的实验结果及分析
6.2 特征提取与分类识别的实验结果及分析
6.2.1 PCA+SVM的交通标志识别测试
6.2.2  HOG+SVM的交通标志识别测试
6.3 本章小结


参考文献：

[ 1] 刘波. 交通标志识别及其算法研究[D].中南大学,2010.
[ 2] 罗冰洁. 基于颜色与形状特征的圆形交通标志识别[D].长安大学,2013.
[3 ] 丰晓霞. 基于深度学习的图像识别算法研究[D]. 太原理工大学,2015.
[4 ] 百度百科. 道路交通标志. http://baike.baidu.com/link?url=AZrK4L9OTE2tG5vNALrd6h6C522MXZY5mRyMecn1Nqy46rGB-K1DJto0xLV1fQCl6Rz6eQCRGmzcjUyvIT3PVa,2015.1
[ 5] 陈芝协. 城区道路交通标志的检测与识别[D]. 中国科学技术大学,2012,5.
[ 6] OPENCV镜像网站. http://opencv.org/,2015.5
[ 7]毛星云,冷飞雪等. OpenCV3编程入门[M]. 北京：电子工业出版社，2015.2
[ 8] 董卉. 基于计算机视觉的交通标志识别算法的研究与实现[D].东北大学,2008.
[ 9] 和晓军,刘欢. 基于HSV空间的禁令交通标志检测方法研究[J]. 科技视界.高校科技.
[ 10] Selcan Kaplan Berkaya∗, Huseyin Gunduz等. On circular traffic sign detection and recognition[J]. Expert Systems With Applications 48 (2016) 67–75
[11 ] Samuele Salti, Alioscia Petrelli等.  Traffic sign detection via interest region extraction[J]. Pattern Recognition 48 (2015) 1039–1049.
[ 12] Maria Petrou, Costas Petrou著,章毓晋译. 图像处理基础第2版[M]. 北京:清华大学出版社,2013.7.
[ 13] 尹涛. 自然场景下交通标志牌的检测与识别[D]. 南京理工大学,2010.
[ 14] 李云浩,王建设. 匀速直线运动模糊图像的退化数学模型试验研究[J]. 江西理工大学学报,2006.8,第27卷第4期.
[15 ] [美]Rafael C.Gonzalez, Richard E.Woods等著,阮秋琦译. 数字图像处理的MATLAB实现(第2版)[M]. 北京：清华大学出版社,2013.4
[16 ] 张嘉桐,李雪妍等. 基于椭圆傅里叶描述子的形状表示研究[J]. 计算机工程与应用,2014,50(2) 170-171.
[17 ] [英]Mark S.Nixon, Alberto S.Aguado著. 计算机视觉特征提取与图像处理[M]. 北京：电子工业出版社,2013.2.
[ 18] J. Stallkamp, M. Schlipsing等. Man vs. computer: Benchmarking machine learning algorithms for traffic sign recognition[J]. Neural Networks 32(2012) 323-332
[ 19] 张铮,徐超,任淑霞,韩海玲. 数字图像处理与机器视觉第2版[M]. 北京:人民邮电出版社,2014.5.
[20 ] langb2014. 特征提取----HOG. http://blog.csdn.net/langb2014/article/details/45674725,2015.5
[ 21] 尚俊. 基于HOG特征的目标识别算法研究[D]. 华中科技大学,2012.5
[22 ] 陈杰. 基于Adaboost算法的人脸检测技术研究及实现[D]. 中国科学院大学信息管理与信息技术学院,2014.10.
[ 23] 查志强. 支持向量机通俗导论.
http://blog.csdn.net/zhazhiqiang/article/details/19989879,2014.2
[24 ] 张民. 基于支持向量机的交通标志检测与识别[D]. 安徽大学,2015.5.
[ 25] Chih-Jen Lin, Chich-Chung Chang等. LIBSVM. http://www.csie.ntu.edu.tw/~cjlin/,2013.12
[26 ] 吴峰,陈后金等. 基于网格搜索的PCA_SVM道路交通标志检测[J]. 铁道学报,2014.11,Vol.36 No.11:60-64.