文 献 综 述

随着科技的不断进步，特别是近年来人工智[A1] 能理论与应用的不断发展，促进了无人驾驶技术的飞速发展。其中，交通标志的检测与识别是实现无人驾驶、安全驾驶的重要基础，对实现智能交通系统的高效率运行、安全运行具有重要的意义^[5]。目前，研究者们提出了各种交通标志的检测与识别算法，有些算法在实际应用中取得了比较令人满意的效果。[A2] 但各种算法的局限性也比较明显，如：有的算法只对特定环境下效果较好^[6]，有的算法复杂度太高，无法进行实时检测与识别，还有的算法只是在个别图片库下准确率较高，算法不具有普适性，等等。因此，研究一种准确性、稳定性、快速性的检测与识别算法具有重要的理论与现实意义。

一、课题研究的目的与意义

无人驾驶技术的发展是社会科技进步的重体现，对促进社会经济的发展和人民生活水平的提高有着十分重要的作用。交通标志的检测与识别是实现智能驾驶与安全驾驶的重要前提条件和基础。作为智能交通中一个重要的子系统，一个准确、稳定、实时的交通标志检测与识别系统可以让整个智能交通系统更加的安全与高效。本课题研究方向主要集中于交通标志的检测与识别两大部分。通过对现有检测系统算法的改进，以实现在多种实际环境状况下交通标志快速准确的定位。通过对识别算法的研究与改进，使系统可以应对各种模糊、破损的标志图像，最终达到准确快速分类的目的。本课题通过相关研究，改进现有的检测与识别算法，以满足实际应用中对准确性、稳定性、实时性的需要。

二、研究现状

交通标志的检测与识别难点有两个部分，第一，即检测部分：实际应用中系统应读取车辆在以一定速度或变速过程中车载摄像头拍摄的视频流，分析视频中可能存在的交通标志，并进行交通标志的定位工作。由于摄像头与交通标志的角度、距离的影响，车速的影响，环境因素的干扰等等，都会给位置探测带来较大的难度。现在较为流行的算法一般基于交通标志的独特颜色特征，在颜色空间进行初步的检测定位，如在RGB空间下或HSV空间下，还有依据提取到的轮廓特征进行定位的相关算法。第二，即识别部分：交通标志种类很多，如警告标志、禁令标志、指示标志、指路标志等等。在实际识别中，交通标志可能会出现模糊、破损等各种问题，大量标志的分类给现有的分类器带来了一定的挑战。现在特征提取一般采用神经网络来实现，分类算法主要有神经网络、SVM、决策树等。

交通标志探测方面：

1. 基于颜色特征的交通标志检测

基于颜色特征的目标检测是以颜色为主要特征来探测图像或视频中的交通标志。最常采用的是彩色图像分割技术。根据交通标志独特的颜色特性，在颜色空间进行相应的处理，来完成交通标志的定位工作。如根据交通标志的边缘颜色特性（以禁令标志为例，其边缘为红色）^[13]，在RGB空间的三个通道分别进行处理，根据预设的阀值条件，可以很容易定位到视频或图像中的交通标志，准确率也比较令人满意。但在RGB空间的处理操作易受照明条件的影响。因此，人们提出把原来的 颜色空间进行转换，如转换到HIS空间，在该空间下可以很大程度的减少光照的影响。或转换到HSV空间，在该空间下，目标的检测主要基于颜色和饱和度的值来进行。总体来说，HSV空间的检测准确率大于HIS空间，大于RGB空间^[13]，但空间的转换也需要一定的计算量。基于颜色特征的算法实现简单，但易受光照、图像中其他因素的影响。

2. 基于形状特征的交通标志检测