摘 要

随着科技的发展与社会的进步，人们的社交出行变得越发频繁，交通方面的许多问题层出不穷。当前管理交通的主要方式是信号灯与交通标志，各类不同的交通标志各司其职，共同保证道路上交通的正常运行。然而，交通标志的种类繁多、雾天天气因素等各种主客观因素导致的辨别问题持续影响着交通管理，导致事故频发，实在是很遗憾，所以现在迫切需要一种能提供帮助识别各类交通标志的智能系统，由此来减少交通问题。因此本文针对各类交通标志的识别与分类提出了自己的见解与看法。

首先，本文提出运用形态学处理和图像增强等方法对图像进行预处理，标识出街景中的交通标志。紧接着提出支持向量机（Support Vector Machine，SVM）的概念，并运用SVM对预处理后的图像进行识别，判定交通标志的存在性，并将识别后的标志分类。最后，介绍了近年运用广泛的卷积神经网络（Convolutional Neural Networks, CNN）相关知识，并提出运用CNN对SVM分类后的交通标志进行解析，得到标志的具体信息。

关键词：管理交通；交通标志；预处理；支持向量机；卷积神级网络

Abstract

With the development of science and technology and the progress of society, people's social travel becomes more and more frequent, and many traffic problems emerge in an endless stream. At present, traffic lights and traffic signs are the main ways of traffic management. All kinds of different traffic signs perform their respective duties to ensure the normal operation of traffic on the road. However, the identification problems caused by various kinds of traffic signs, foggy weather and other subjective and objective factors continue to affect traffic management, resulting in frequent accidents, which is really a pity. Therefore, it is urgent to provide an intelligent system to help identify various traffic signs, so as to reduce traffic problems. Therefore, this paper puts forward its own opinions on the recognition and classification of various traffic signs.

Firstly, this paper proposes to use morphological processing and image enhancement methods to preprocess the image and identify the traffic signs in the street scene. Then, the concept of Support Vector Machine (SVM) was proposed, and SVM was used to identify the pre-processed image, determine the existence of traffic signs, and classify the recognized signs. At last, the author introduces the knowledge of Convolutional Neural Networks (CNN) which have been widely used in recent years, and proposes to use CNN to analyze traffic signs classified by SVM to get the specific information of the signs.

Key Words：Traffic management; Traffic signs; Preprocess; Support vector machine; Convolutional neural network

目 录

第1章 绪论 1

1.1课题研究的背景、目的与意义 1

1.2国内外研究现状 2

1.2.1交通标志检测的研究现状 2

1.2.2交通标志识别的研究现状 2

1.3课题研究内容 3

1.3.1论文的主要内容与结构 3

第2章 设计方案原理论证 5

2.1系统框图 5

2.2图像预处理 6

2.2.1彩色图像增强与颜色阈值分割 6

2.2.2形态学处理与标注原图 7

2.3交通标志检测方法 9

2.3.1方向梯度直方图（HOG） 9

2.3.2 SVM分类器概述 11

2.3.3 SVM的训练 12

2.4交通标志识别方法 15

2.4.1卷积神经网络原理概述 16

2.4.2 CNN的训练 18

2.4.3基于CNN的交通标志识别算法 19

第3章 设计过程论述 22

3.1图像预处理 22

3.2基于SVM的交通标志检测算法设计 23

3.3基于CNN的交通标志识别算法设计 23

3.4完整系统结构 24

第4章 设计结果分析 26

4.1数据集介绍 26

4.2预处理效果 26

4.3 SVM分类器的训练与实效 28

4.4 CNN识别算法的训练与实效 28

4.5 失败效果举例与分析 29

第5章 总结与展望 31

5.1工作总结 31

5.2展望 32

参考文献 33

致 谢 35

第1章 绪论

1.1课题研究的背景、目的与意义

随着社会经济和科学技术的不断发展，各类交通工具的不断普及，现代交通已然有了日新月异的变化。在现代交通网络中，最为主要的形式还是道路交通。近些年来，世界机动车辆的数目日增月涨，据统计，在2018年内，已有超过2000万辆机动车被销售，超过3亿辆被保留持续使用。虽然车辆的普及便利人们的出行，但是这对交通的影响属实太大，感觉是弊大于利，交通堵塞、道路危机、环境污染等问题都昭示着愈发严重的交通问题。

据有关统计，全世界每年死于交通事故的人数超过数十万，同时，还有至少上千万人受到牵连，直接或间接导致的经济损失相当于经济生产总值的1%~3%。在我国，平均每天有超过600起的交通事故，平均每天死于此的有约200人，这对我们的经济与身心都造成了极大困扰。此外，车辆尾气排放量达到了每年1.3亿吨，由此引发的雾霾也越发严重，引起了环境保护方面的重视。