在全球大力發(fā)展智能交通系統(tǒng)的背景下，交通標(biāo)識(shí)牌自動(dòng)識(shí)別系統(tǒng)作為其一個(gè)組成部分已經(jīng)越來(lái)越引起學(xué)術(shù)界和交通部門(mén)的注意，在國(guó)外其已經(jīng)成為一個(gè)重點(diǎn)研究課題。而在國(guó)內(nèi)由于起步較晚，目前還沒(méi)有現(xiàn)成的可應(yīng)用的系統(tǒng)。結(jié)合如此現(xiàn)狀，適逢摩托羅拉公司又提出了這個(gè)課題，因此我們大膽接受挑戰(zhàn)，進(jìn)行交通標(biāo)識(shí)牌自動(dòng)識(shí)別系統(tǒng)的關(guān)鍵技術(shù)的研究。 交通標(biāo)識(shí)牌自動(dòng)識(shí)別系統(tǒng)作為一個(gè)視覺(jué)識(shí)別系統(tǒng)，其輸入數(shù)據(jù)是由攝像機(jī)所拍的圖像，通過(guò)識(shí)別得到交通標(biāo)識(shí)牌的內(nèi)容。在本文中，因課題定位輸入的圖像為靜態(tài)圖像，所以所處理的圖像都是靜態(tài)圖像。本文設(shè)計(jì)交通標(biāo)識(shí)牌自動(dòng)識(shí)別系統(tǒng)由以下幾個(gè)模塊組成：圖像分割、攝像機(jī)標(biāo)定、特征曲線的提取、三維復(fù)原和圖像匹配。因此本文也主要研究這幾項(xiàng)技術(shù)。 圖像分割是任何一個(gè)視覺(jué)系統(tǒng)的關(guān)鍵技術(shù)，是對(duì)圖象進(jìn)行處理的基礎(chǔ)。在本文中，重點(diǎn)研究了各種閾值分割技術(shù)和Canny算子分割方法。因?yàn)镃anny算子能夠提供梯度方向角，而且其分割效果也較為理想，本文采用了Canny算子進(jìn)行圖象分割。攝像機(jī)標(biāo)定是視覺(jué)系統(tǒng)不可缺少的一個(gè)組成部分，在本文中我們研究了以針孔模型為模型的線性攝像機(jī)標(biāo)定技術(shù)，并根據(jù)經(jīng)驗(yàn)確定了簡(jiǎn)單且可行的攝像機(jī)標(biāo)定技術(shù)。特征曲線的提取技術(shù)也是一個(gè)重點(diǎn)研究的方向，根據(jù)交通標(biāo)識(shí)牌多為圓形和多邊形的特點(diǎn)，我們研究出了橢圓和直線的提取技術(shù)，并研究了優(yōu)勢(shì)點(diǎn)提取技術(shù)。三維復(fù)原是本文中重要的一個(gè)研究點(diǎn)，也是本文中具創(chuàng)新性的所在。通過(guò)研究我們提出了平板圓復(fù)原和三角板復(fù)原技術(shù)，并將它們模塊化，使之具有較強(qiáng)的可移植性。圖象匹配是物體復(fù)原后進(jìn)行具體識(shí)別的一個(gè)過(guò)程。本文中，我們?cè)敿?xì)介紹了圖像匹配的原理和各種匹配技術(shù)。根據(jù)交通標(biāo)識(shí)牌的實(shí)際情況和本課題的要求，我們按照光學(xué)字符識(shí)別的原理，通過(guò)分類(lèi)匹配，對(duì)圖象進(jìn)行了匹配。 應(yīng)該說(shuō)本文的研究立足點(diǎn)在于對(duì)靜態(tài)交通標(biāo)識(shí)牌的識(shí)別系統(tǒng)的關(guān)鍵技術(shù)的研究上，并沒(méi)有考慮到系統(tǒng)的實(shí)時(shí)性。但考慮到我國(guó)目前的研究現(xiàn)狀，本文的理論研究對(duì)于交通標(biāo)識(shí)牌的識(shí)別還是有一定的作用的。因此本文的研究是有一定的現(xiàn)實(shí)意義的。