全文总字数：4369字

1. 研究目的与意义及国内外研究现状

随着目前一些不良驾驶习惯的呈现，如开车时接电话，与车里其他人聊天等，使得驾驶员的注意力被转移，以至驾驶员忽略交通标志的现象越来越普遍。恶劣的天气和其它不良的驾驶环境有时也会使驾驶员不能一直保持警惕，而忽略路上的重要交通标志。众所周知，当驾驶员错过或者忽略一些重要的交通标志时，可能会导致交通事故的发生。并且目前交通越来越拥挤，交通标志也越来越多，因此设计一个能够帮助驾驶员识别交通标志以便减少交通事故发生的系统是很有必要的。

目前很多国家科研机构对交通标志的检测与识别己经有较多的研究，并且取得了一定的进展。现有的检测与识别算法在对部分标志类型进行识别时表现了良好的效果，在一定程度上解决复杂场景和光照强弱条件的影响问题。但是对于不同的数据集表现出来的鲁棒性较差。比较好的方法是采取复杂的卷积神经网络花费大量时间来对所有类别的交通标志图像进行训练。虽然利用深层卷积神经网络方法具有很好的识别效果，然而由于深层网络具有很高的计算复杂度，不仅训练时间长，识别时间也会随着网络层的增加而提高，另外该方法对于硬件要求也比较高。因此利用深度卷积神经网络无法达到实际道路辅助驾驶实时性的要求。所以针对实际复杂场景，研究具有计算复杂度低、分类速度快、分类效果高以及较强鲁棒性和扩展性的交通标志识别算法有重大的意义。

国内外研究现状

1）、国外研究现状

2. 研究的基本内容

道路辅助驾驶主要研究对象大致分类两类基于地面的车道线检测和基于空间的道路交通标志牌检测识别。目前对车道线检测的方法比较单一也比较成熟，对于道路交通标志的研究则比较缓慢，因为道路交通标志包含的内容众多并且复杂性强，常见的交通标志就有116个，然而期中的禁止类和方向指示类的就占到了近50%，在车辆避免交通事故过程中起到关键性作用。因此对禁止类、方向指示类以及警告类交通标志的研究具有重大意义，也是本文研究的重点。

本文从研究对象层面上主要针对禁令类、警告类以及方向指示类交通标志。从系统层面包括对交通标志的检测和识别两大部分。

检测阶段，根据hsv颜色空间和rgb颜色空间的特性，本文提出了一种基于hsv颜色阈值分割法，同时为了解决覆盖遮挡和模糊性问题，采用了haar角点检测方法，来更加精确的检测感兴趣区域（roi），排除一些干扰区域，使得检测结果更加精确。

3. 实施方案、进度安排及预期效果

1）、实施方案

采用的开发环境是visual studio2015 opencv2.4.13版本，使用的语言是c 语言。在检测阶段，经过尝试使用各种算法，然后比较各种算法的优缺点，最终选择一个最适合的算法。检测的算法主要分为两类：基于颜色特征的算法有基于rgb空间的算法、基于hsv空间的算法和基于hsi的空间算法等，基于形状特征的算法有canny算子边缘检测算法，基于hough变换的边缘检测算法，形状拟合算法和基于多边形逼近的算法等。在尝试使用各种算法并将多个算法结合使用得到检测结果后，比较得到的检测结果，然后选择一个效果最好的算法来实现对交通标志的检测。在识别阶段，经过尝试使用多种算法，然后从中选择一个最适合的。识别的算法主要分为三类：模板匹配算法主要有sift和surf两种算法，浅度学习算法主要为基于svm的分类方法，深度学习算法有tensorflow算法和caffe算法等。经过验证各个算法实现的最终效果，然后比较这些算法的优缺点。

2）、进度安排

4. 参考文献

[1] liuw, maruyak.detection,recognition of traffic signs in adverse conditions.in 2009 intelligent vehicle symposium, 2009, pp : 335-340.

[2] rubel biswas,moumita roy tora ,farazul haque bhuiyan.lvq and hog based speed limit traffic signs detection and categorization.978-1-4799-5180-2/14/$31.00 2014 ieee.

[3] 王永明.交通标志自动分割与识别算法及数学模型研究云南师范大学硕士学位论文.2005.