摘 要

随着社会的不断发展和科学技术水平的不断提高，车辆的普及为人们生活带来便利的同时也引发了许多问题，交通拥挤和交通事故的频繁发生严重影响到人们的正常生活。智能交通系统作为对其的一种解决方案己被各研究机构和各国政府广泛关注。交通标志检测与识别技术作为智能交通系统中的重要组成部分，现己成为各国交通领域的研究热点。为提高机动车使用的辅助性和安全性，有效地检测与识别交通标志十分必要。因此，设计一种有效的交通检测系统十分必要。交通标志在设计的过程中充分考虑了人的视觉特性。本文先从视觉注意机制的角度论述，分析了交通标志与自然场景的显著区别，然后针对经典的Itti显著性模型实验中出现的不足，采取改进的方法。再设计了基于聚类的交通标志粗定位方法。去除显著图中特征较弱的区域然后进行动态聚类；最后进行分裂和合并操作，得到交通标志大致位置。显著性模型原理决定其无法精确定位。因此本文在粗定位的基础上，采用局部霍夫变换的方法进行精定位，并去除虚假目标。椭圆检测是利用检测对称轴来近似实现的；三角形和矩形检测是通过分析直线来实现的。

故此本文的主要工作如下：

(1)设计显著图交通标志检测方法。先生成颜色和边缘特征的交通标志显著图；然后用聚类的方法检测交通标志的候选区域；最后精定位交通标志区域，根据形状确定目标。

(2)用计算机视觉领域中的视觉注意机制进行处理，使目标与背景明显的区分开来，改善Itti的不足之处，同时降低计算量。

(3)设计并实现聚类方法的检测方法，利用动态聚类的方法完成目标粗定位的步骤。并提出局部霍夫变换交通标志精定位。改进Hough变换检测椭圆，并将参数设值到现实中更合理的范围，提高速度和效率。对于三角和矩形的检测，先利用Hough变换检测直线，然后使用直线位置关系及交点坐标约束这些直线。

(4)基于上述方法对交通标志的提取，初步实验结果验证了本文提出的相关技术方法，同时给出目前本课题研究中存在的不足，对下一步要研究的主要问题作了一些展望。

最终实验结果表明能基本成功检测并提取形状大小颜色不同的交通标志。

关键词：交通标志检测；视觉显著性；聚类算法；霍夫变换

Abstract

With the continuous development of society and constantly improve the level of science and technology, the popularity of cars bring people life convenient also caused many problems at the same time, the traffic congestion and traffic accidents frequently occurred seriously affect people's normal life.Intelligent transportation system as a solution to its own extensive attention by research institutions and governments.Traffic sign detection and recognition technology as an important part of intelligent transportation system, has become a hot research topic in the field of transportation.In order to improve the auxiliary motor vehicle use and safety, it is necessary to effectively detection and recognition of traffic signs.Therefore, to design a real-time and efficient traffic sign detection and recognition algorithm has important research significance and application value.Traffic sign is set to show, so its design and installation process has fully considered the visual characteristics. In this paper we analyze the saliency characteristics based on the visual attention mechanism which is remarkable from natural scene. And improve the calculation method of traffic sign saliency map due to the problem from classical Itti model.This article from the perspective of visual attention mechanism, this paper first analyzes the traffic signs and significant difference between the natural scene, and then in view of the classic Itti significant in the experiment of model, and adopt the improved method.

Significant model usually adopt winner-takes-all approach target, visual attention area based on the maximum fixed point as the center of the circle radius of the circular area.This paper designed the traffic signs coarse locating method based on clustering.Remove significant characteristics of the weak areas of the figure and then dynamic clustering;Finally get to split and merge traffic signs about the position.

Therefore in this paper, the main work is as follows:

(1) significant figure design traffic sign detection method.Mr Into a color and edge character of traffic sign significant figure;Then using clustering method to detect traffic signs candidate area;Final location area of traffic signs, according to the target shape.

(2) in the field of computer vision visual attention mechanism for processing, make the target and background apart from the obvious, to improve the deficiency of Itti, at the same time reduce the amount of calculation.

(3) the design and implementation method of clustering method, the method of using dynamic clustering coarse positioning of the steps for achieving goals.And local hough transform traffic signs precision positioning is put forward.Improve the ellipse Hough transform detection, and set the parameter value to the reality in a more reasonable range, improve the speed and efficiency.For triangular and rectangular test, using the Hough transform to detect line first, and then use the intersecting point coordinate constraint linear position relationship and the straight line.

(4) based on the above method to extract the traffic signs, the preliminary experimental results verify the method, this paper puts forward relevant technology and the present situation of this topic research, the deficiency of the major problems for next research made some prospects.

Finally，the experimental results show that can detect and extract the basic success shape size color different traffic signs.

Key Words：Traffic signs detection;Visual saliency ;Clustering;Hough Transform

目录

摘 要 I

第1章 绪论 1

1.1 课题研究背景及意义 1

1.2 交通标志检测与识别方法研究现状 1

1.2.1 国外研究现状论述 1

1.2.2 国内研究现状 2

1.2.3 交通标志检测与识别方法研究中存在的困难 2

1.3 主要研究内容 3

第2章 视觉显著性和交通标志检测与识别技术的回顾 5

2.1 视觉显著性检测技术 5

2.1.1 视觉显著性概述 5

2.1.2 通用模型框架 6

2.2 显著性交通标志检测技术 6

2.2.1 显著性交通标志 6

2.2.2 交通标志检测方法 7

2.3 交通标志识别技术 8

2.4 本章小结 9

第3章 空间域与频谱域视觉显著性模型 10

3.1 基于空域的显著性模型 10

3.2 频谱域模型 13

3.2.1 频域残余谱检测方法 13

3.2.2 频率调谐的显著性检测方法 14

3.2.3 基于颜色特征的残差谱显著性算法 15

3.3 本章小结 16

第4章 交通标志粗定位 17

4.1现有显著性区域选取方法 17

4.2 本文的方法 18

4.2.1 聚类算法概述 18

4.2.2 基于动态聚类的交通标志定位方法 19

4.3 本章小结 20

第5章 基于局部Hough变换的交通标志精定位 21

5.1 交通标志的形状检测 21

5.1.1 形状检测的整体流程 21

5.1.2 圆形交通标志检测 22

5.1.3 三角形交通标志检测 23

5.1.4 矩形交通标志检测 24

5.2 实验结果 25

5.3 本章小结 28

第6章 显著性检测算法的应用 29

6.1 智能交通系统中的应用 29

6.1.1 车牌的识别 29

6.1.2 交通标志的检测 31

6.2 本章小结 34

第7章 总结与展望 35

7.1 研究工作总结 35

7.2 未来的工作和展望 35

参考文献 37

致 谢 39

附录 40

第1章 绪论

1.1 课题研究背景及意义

当今时代日新月异，飞速发展，机动车也随着人民生活水平的提高逐渐普及，但是，由此也带来了许多安全问题。根据我国相关部门对事故调研得出的结论是:我国每年因交通事故造成10万人死亡，平均每天有300之多！造成诸多交通事故发生的主要原因是超速行驶、疲劳驾驶和酒后驾车引起的驾驶员注意力不集中等交通违法行为。故此，如何解决交通驾驶安全己成为人类社会所面临的共同问题。

为解决交通安全问题，各国展开智能交通系统(Intelligent Transport System，简称ITS)的研究。所谓智能交通系统，是将先进的科学技术（信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等）有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。