支持无人驾驶车辆的交通标识图文识别与理解

车辆无人驾驶系统作为一项新的科技创新，有着广泛的经济效益和深远的社会影响。本项目致力于解决无人驾驶车辆中准确实时且鲁棒地检测场景中的路面、车辆、交通图文标识以及过往行人等实际应用难题，发展融合多视角、多传感器通道的视频信息分析技术，探索计算机视觉领域中三维重建、视频分割、复杂天气条件下实时多目标跟踪与识别的基本难题，同时也将为机器人、智能交通、视频监控等其它相关产业持续发展提供理论和技术支持。具体的，我们拟探索支持在复杂环境下的车载移动实时视频分析的理论框架和计算模型：通过有机结合几何及物理约束的先验知识来减少搜索区域，从而提高路面及目标检测性能；提出基于哈希稀疏编码图像特征提取方法以提高系统实时性能；提出结合快速局部特征匹配与基于逐个像素后验概率跟踪模型的高速有效多目标跟踪算法；建立全面的交通标识图文识别测试数据集。在此基础上，我们将研究基于在线学习及流形学习的交通标识图文识别与理解。

交通标志图文识别是无人驾驶车辆的核心课题之一。由于道路行驶场景和摄像环境的复杂多变，实时侦测并识别交通标志图文信息是非常有难度的。遮挡、污损、天气、采光等现实情况会极大影响性能表现，同时系统的鲁棒性、实时性要求也非常高。有效实用的系统设计结合高效灵活的算法运用，包括了图像预处理、数据表达、目标定位和识别等几个核心环节，这些核心环节是影响最终系统效率的关键。本项目致力于目标侦测与图像分类的理论研究以及在无人驾驶车辆的交通标志图文识别中的应用。.经过四年的有效执行，项目顺利完成，成果显著，发表了74篇国际期刊文章（包括2篇TPAMI，3篇TIP，22篇T.Cybernetics）和23篇国际会议文章（包括7篇CVPR，2篇AAAI，1篇ICCV，4篇ACM Multimedia，2篇IJCAI），大大促进了目标侦测与图像分类的理论研究以及在无人驾驶车辆的交通标志图文识别中的应用研究。..