摘要：随着经济的发展，汽车工业迅猛发展，同时让现实交通环境变得愈发的复杂。在这样的前提下，对于智能交通的各种研究和开发，日益增多。而本课题，则是对于现实交通环境中的交通标志的检测与识别这样一个子系统，展开研究实践。通过基于对视频图像文件的处理分析，研究使用实践识别算法，达到识别其中交通标志的目的。

本文研究和实践基于输入视频以及图片的情况下，对每个图像帧中的交通标志进行识别。因为交通标志的检测分为找出全部交通标志所在区域和辨认交通标志两个首要步骤。因此，本文主要将研究实践步骤分为图像处理部分和机器学习部分。图像处理部分主要应用例如HSV色彩转换，膨胀腐蚀等图像处理方法，通过对这些方法的组合运用，对图像帧进行处理，找出交通标志所在区域。机器学习部分主要应用SVM作为分类器，通过创建和训练SVM，通过推导预测图像处理部分得到的交通标志的含义，然后进行输出显示。

关键词： 交通标志；机器学习；图像处理；图像识别

目录

摘要

Abstract

1. 绪论-1

1.1 研究背景与意义-1

1.2 研究现状-1

1.3 存在的问题-2

1.4 论文组织结构-2

2. 相关理论与技术-4

2.1 图像处理：-4

2.2 机器学习：-4

2.3 OpenCV：-4

2.4 SVM(Support Vector Machine):-4

2.5 C++：-4

2.6 ROI(region of interest):-4

3.7 OpenCV中的SVM:-5

3. 交通标志的识别-6

3.1 引言-6

3.2 相关准备工作-6

3.3 图像处理-8

3.3.1 图像帧：-8

3.3.2 预处理：-9

3.3.3 直方图均衡化：-10

3.3.4 转换HSV颜色空间：-11

3.3.5形态学图像处理：-12

3.3.6模糊：-13

3.3.7 二值化：-14

3.3.8 查找和过滤轮廓：-15

3.3.9 得到交通标志区域：-16

3.4 机器学习-17

3.4.1 创建和训练-17

3.4.2 使用训练数据-18

3.5 UI界面-18

3.6 实验结果与分析-19

3.6.1 实验结果-19

3.6.2 实验结果分析-19

4. 总结与展望-21

结  论-22

参 考 文 献-23

致  谢-24