摘要硕士学位论文基于AdaBoost和SVM的交通标志识别研究与实现ResearchandImplementationofTrafficSignRecognitionBasedonAdaboostandSVM论文题目：基于AdaBoost和SVM的交通标志识别研究与实现摘要交通标志的识别是智能交通标志的重要组成部分。它涉及传感器技术、信息技术、自动化技术和计算机等多种技术以及如何识别道路、识别碰撞、识别交通标志等多种欲识别的对象。经过国内外学者的多年研究，交通标志的识别理论和技术体系已经取得了突破性的进展。一般来说，交通标志的图像的采集是实现智能交通的第一步，它对后续的各项操控是否正确有效至关重要，但交通标志全都暴露在特殊的室外环境中，为使驾驶员看清楚各类交通标志，通常交通标志要放在道路旁和管弯处。在这些地方的交通标志常常容易受到强烈光照、灰尘和树木等多方面的影响，所以图像的清晰度较差，从而影响摄像机对交通标志的采集，车内的嵌入式计算机软硬件系统所接收的图像信息也就模糊不清。正因为如此，人们一直都在致力于如何提高交通标志图像识别率的研究。本论文就如何提高交通标志的识别率进行了一些相关的研究，其研究成果虽然距离实用还有相当大的距离，但其研究过程是使自己开阔了眼界，增长了知识，提高了业务水平。本文的主要研究内容由以下三部分组成：第一部分：交通标示识别数据集确定。介绍了两种图像预处理方法，结合试验进行比对分析；综述了三种交通标志检测方法：基于颜色、形状以及综合两种的检测算法；对各种交通标志特征提取方法进行实验对比分析，实验证明三角形标志和圆形标志被识别错误的概率最高；第二部分，在研究了现有交通标志识别方法AdaBoost和SVM的特点后，采用了一种变的AdaBoost技术、综合颜色和形状的交通标志检测方法、子模式组合的特征提取方法，在子模式的基础上，对比了相邻分块、交叠边缘分块和滑动分块方法和基于径向基核函数的支持向量机分类器相结合的识别方法来识别常见的交通标志。第三部分，论文采用MATLAB软件工具对交通标志识别方法和识别过程进行了设计实现，包括系统的运行环境、业务流程、系统识别图像过程、获取特征向量过程，并进行仿真的对比分析，结果表明，通过改变有关参数和融合AdaBoost和SVM的交通标志的识别方法识别效果更好，识别率更高。关键词：交通标志识别，分块核函数，SVM，AdaBoost论文类型：应用研究Title：ResearchandImplementationofTrafficSignRecognitionBasedonAdaboostandSVMSpecialty：ComputerScienceandTechnologyApplicant：XinjunChenSupervisor：Prof.XianglinMiaoABSTRACTTrafficsignrecognitionisanimportantpartofintelligenttrafficsigns.Itinvolvesmanykindsofthetechnologysuchassensortechnology,informationtechnology,automationtechnologyandcomputertechnology,andhowtoidentifyroad,identificationofcollision,identifytheobjectrecognitionoftrafficsigns,etc.Afteryearsofresearchofscholarsbothathomeandabroad,andtrafficsignrecognitiontheoryandtechnologysystemhasmadebreakthroughprogress.therefore,theimagecollectionisthefirststeptorealizeintelligenttransportation,itisveryimportanttothefollow-upofthemanipulation,butthetrafficsignsareallexposedtospecialoutdoorenvironment,tomakethedriversseeallkindsoftrafficsigns,trafficsignsusuallyshouldbeplacedbesidetheroadandpipebend.Wheretrafficsignsareoftenvulnerabletoaffectbythestronglight,