雾霾场景中基于多特征融合的交通标志识别问题研究

As a key technology of intelligent transportation system, traffic sign recognition has important scientific significance and application value. However, in the haze-weather condition, atmospheric scattering particles always cause the images fall into low quality in outdoor vision system, which affects the performance of traffic sign recognition system seriously. From the point of atmospheric scattering mechanism and in order to improve the traffic sign recognition rate in haze environment, the project will research and explore the unified framework of traffic sign recognition system based on multi-feature fusion method under bad weather conditions. In this framework, the Hidden Markov Model and the Dark Channel Prior technologies will be researched so as to solve the questions in traditional image dehazing method, such as requiring multiple images or too much parameter to be estimated, and it will build a fast single-image dehazing mechanism for traffic sign recognition. On this basis, the establishment of “cascade system” calculation model based on human cognitive mechanism can detect and trace the signboard rapidly and accurately under the large-scale scene; To construct a multi-feature-fusion method for sign recognition, using different features of multilayer training based on support vector machine. This project will overcome the bottleneck difficulty in the intelligent traffic visual information process under the haze weather, ensure the country’s public safety, promote the intelligent transportation service and provide new design thought and theoretical analysis basis for the development of relevant industry.

交通标志识别作为智能交通系统研究中的一项关键技术具有重要的科学意义和应用价值。然而在雾霾等天气条件下，大气粒子的散射作用会导致户外视觉系统捕获的图像严重降质，影响了交通标志识别系统的性能。本项目从雾霾天气特有的大气散射机理出发，以提高雾霾环境下交通标志识别率为科学目标，研究探索恶劣天气情况下基于多特征融合的交通标志识别系统的统一框架。在该框架下引入隐马尔科夫随机模型和暗原色先验技术，以期突破传统图像去雾方法需要多幅图像或估计参数过多的问题，建立适用于交通标志识别的单幅图像快速去雾机制。在此基础上，建立基于人类认知机理的“层叠系统”计算模型，实现大场景下快速、准确的标识牌检测跟踪；构建多特征融合的标识牌识别方法，利用不同特征的优势基于多层支持向量机进行训练。以期克服雾霾天气情况下智能交通视觉信息处理所面临的瓶颈困难，为确保国家公共安全、智能交通及相关产业发展提供新的设计思想和理论分析依据。

本项目按照国家自然基金的年度计划实施，较好地完成了预定计划中的各项任务。研究的主要内容是针对雾霾天气下交通标识牌识别研究中存在的问题和汽车辅助驾驶系统研究应用过程中存在的技术难点，建立不同类型雾霾天气下的交通标识牌数据库，基于恶劣天气下的大气散射机制，对大气中固体颗粒的折射以及光线穿透程度进行分析和建模，实现了基于线性变换的单幅图像的快速去雾方法，并将本部分算法移植到嵌入式系统进行相关实验；研究了大面积天空存在情况下的雾霾图像清晰化方法，提出了雾霾场景中大气光值的快速获取方法，完成形式化数学描述和程序编写，搭建实时、鲁棒性高的图像去雾系统；进行了基于多特征融合的交通标识牌检测和识别实验，研究了颜色特征、梯度特征和形状特征在分类器训练和识别框架中的联系，实现了雾霾场景中交通标志的识别。本研究为探讨雾霾场景中下交通标志牌的检测识别奠定了坚实的工作基础，同时对于认识不良天气与图像的成像机制之间的关系提供了重要的启示性线索，对于户外交通监控、车辆无人驾驶等领域的技术推动具有重要的实际意义。项目资助发表SCI或EI论文15篇，申请专利9项，培养中青年教师3名，稳定了团队建设，为当前工作的顺利进展和后期工作的延续提供了保障。项目剩余经费计划用于本项目研究后续支出。