1．目的及意义

随着我国经济的快速发展，消费水平越来越高，但带来的困扰是道路上的汽车越来越多，交通问题日益严峻，传统的人工管理办法已经无法满足实际的需求。20世纪80年代，美国提出了智能交通这一种新的概念，“智能交通系统（Intelligent Transportation System，简称ITS）”。ITS使道路交通中人、机动车辆和道路三者之间相互融洽相互协调，如图1所示。ITS的使用减小了交通事故的发生率，同时也提高了交通运行效率，建立一个便捷的交通体系。而且，管理人员可以通过对机动车辆、驾驶员和交通道路实时信息的采集来提高管理效率，目的是尽可能的充分利用交通资源。

交通标志识别是智能交通系统领域的一项重要研究课题，在无人驾驶车辆和辅助驾驶系统等领域都是必不可少的一部分。其主要有三方面的应用：(1)碰撞识别；(2)道路识别；(3)交通标识识别。

车辆视觉系统中道路标识算法研究课题设计，主要为了实现交通标识识别算法，由此应用到智能驾驶辅助系统中去，避免更多交通事故的发生。

图1 三者的交互

现在，国内外已经有很多的研究人员在交通标志的识别上展开了大量的探索和研究。交通标志检测和识别大致可以分为3个方面：1）基于预处理的方法，这类方法通过预处理来定位和识别交通标志；2）预处理与分类结合的方法，这类方法主要利用预处理方法和分类的方法的结合来取得鲁棒的交通标志识别：3）特征提取和分类集合的方法，这类方法利用人工设计的特征结合分类器使得识别更加鲁棒和计算高效。

目前，已成功将交通标志识别应用到智能车辆机器视觉领域的研究中的主要有德国、美国、日本、瑞士等。其中，瑞士Unkoping大学Fredrik Larsson教授领导的智能车辆研究小组研制的EMS-Vision技术可较好的模拟人眼功能。针对具体汽车厂商，早在201 1年的8月份谷歌公司就已宣布其无人驾驶汽车项目所研发的无人驾驶汽车已经成功的在电脏控制下安全行驶了48万公里。

2001年我国首台无人驾驶汽车就是由国防科技大学的贺汉根教授和戴斌教授率领的。自主驾驶技术”创新团队研发成功的，该团队依靠自主创新实现了一系列关键技术突破。从而打破了国外对我国无人驾驶技术的封锁。国内—些其它高等院校以及一些汽车企业配备的科研机构相继也展开了一些相关方法的探索研究和初步实验。同济大学的张夏宜在基于神经网络的车载视觉导航系统中，对交通标志的识别部分进行了实际应用。并考虑到了天气状况不佳、标志有轻微遮挡，以及车辆抖动等情况，并针对天气状况，将定位、识别率分为进行了统计。另外，近期在交通标志上有所研究的大连理工大学张明恒教授所带领的团队，在智能车辆研究上颇有建树，不仅可以识别在二维平面上的交通标志图像，还可以提取道路上物体的三维信息，进一步提高了道路行车的安全性。{title}

2. 研究的基本内容与方案

{title}

道路标识是在行车过程中车辆安全行驶的重要标志性指示信息。传统采用模板匹配的方法对道路的标识进行识别，其识别速度较慢，且因标志会出现三维下的旋转，遮挡问题，导致标识识别准确率偏低。

本课题研究基于车载视频下的道路标识识别算法，研究基于图像显著性的道路标识快速提取及识别算法。

（1）首先对交通标志检测所涉及的基础技术进行研究。交通标志检测技术目前有应用到一些基础性的知识，例如色彩空间。基础知识的简单介绍，还有它们之间的联系。在对交通标志图像进行检测之前，对从自然场景中采集到的各种交通图像进行图像处理。图像预处理中所采用的有关图像处理的技术，会做较为深入的研究。

（2）关于交通标志检测，本课题主要重点讨论图像显著性检测方法。目前出现越来越多的显著性分析算法，有些人将这些算法进行了一定的分类。目前显著性一种分类方法将分析的算法分成三类：第一类是基于低层视觉特征的显著性分析算法，其代表性算法是Itti算法，这是一种模拟生物体视觉注意机制的选择性注意算法，比较适合处理自然图像。第二类是不基于任何生物视觉原理的纯数学计算方法，这类主要有全分辨率的算法（AC）算法和基于空间频域分析的剩余谱算法(SR算法)。第三类是将前两种进行融合的方法，其代表性算法是基于图论的算法（GBVS算法），这种算法在特征提取的过程中类似Itti算法去模拟视觉原理，但在显著图生成的过程引入马尔可夫连，用纯数学计算的来得到显著值。另一种分类又将显著性分析算法分成以下三类：考虑局部特征的，例如Itti算法和GBVS算法；考虑整体性的，例如SR算法和IG算法；局部与整体结合的算法，例如CA算法。图（2）给出了具有代表性的显著性检测方法的特点比较。