地面标识检测与识别算法
地面标识检测与识别算法
输入输出接口
Input：
（1）图像视频分辨率（整型int）
（2）图像视频格式（RGB，YUV，MP4等）
（3）摄像头标定参数（中心位置（x,y）和5个畸变
系数（2径向，2切向，1棱向），浮点型float）
（4）摄像头初始化参数（摄像头初始位置和三个坐标方向
的旋转角度，车辆宽度高度车速等等，浮点型float）
Output：
（1）BandingBox左上右下的坐标位置（浮点型float）
（2）Type类型：人，车，…，… （整型int）
（3）执行度：是指判别目标物为某种类型的比率。
比如为人，车，…，…的比率。（浮点型float）
（4）需要遮挡目标区域的左上右下的坐标位置（浮点型float）
（5）摄像头与目标物距离 （浮点型float）
1. 功能定义
（1）检测路面标识
（2）计算路面标识BandingBox左上右下的坐标位置
（3）摄像头与目标物距离
这份研究开发任务书是用来定义基于yolov3算法自动把路面上的标志提取识别系统的开发目标以及方案可行性评估报告和相关的具体技术要求、性能目标参数，以及相关的开发计划还有注意事项等。总体用来规范和有效管理该项目的研发。
图1. 交通标识实例
2. 技术路线方案
1） 研究背景
路面标志是汽车驾驶过程中必须要遵守的交通规则之一，能为道路使用者提供关键信息，帮助驾驶员正确、安全地行驶，同时也能维持道路交通的顺畅。
但是，在驾驶过程中，往往会因为某些原因没有注意到路面上的标志，或者有时候驾驶员不知道某个标志的具体含义，这就会影响正常的交通秩序，而且容易发生交通事故。利用现有的技术对道路上的标志进行自动提取和识别能够更好地辅助驾驶员正确地行驶。目前已经有相应的技术算法，如YOLOV3目标检测算法，但是更多的是用于道路行人车辆的识别提取。
图2. 道路上的标志
2） 研究范围定义
道路路面上的交通标志的提取和识别。
产品要求
综述(总体方案)
此项目针对的是在车辆驾驶过程中，对路面上的交通标志进行提取和识别，帮助驾驶员更好的进行驾驶。
本次开发基于YOLOV3目标检测算法展开，最终程序能有一定的实时性、鲁棒性。
系统职责
程序的设计和开发要保证整个系统工作正常。
要求一致性
程序与本设计任务书上任何附加的要求也要一致。
3）开发方案
开发研究实现：
代码实现的具体实现如下：
1）建立模型：建立算法的模型
2）训练模型：根据已有的数据集进行训练，获得模型
3）测试模型：测试已经训练好的模型，根据情况调整模型超参数
路面标志是汽车驾驶过程中必须要遵守的交通规则之一，能为道路使用者提供关键信息，帮助驾驶员正确、安全地行驶，同时也能维持道路交通的顺畅。
但是，在驾驶过程中，往往会因为某些原因没有注意到路面上的标识，或者有时候驾驶员不知道某个标识的具体含义，这就会影响正常的交通秩序，而且容易发生交通事故。利用现有的技术对道路上的标识进行自动提取和识别能够更好地辅助驾驶员正确地行驶。
城市交通事故大都发生在交通路口附近，路面交通标志识别技术作为高级驾驶辅助系统的重要研究分支，主要用于提供道路信息，在行车安全方面有不可替代的作用。传统的路面交通标志自动分割大都基于多种图像预处理技术。城市交通事故大都发生在交通路口附近，路面交通标志识别技术作为高级驾驶辅助系统的重要研究分支，主要用于提供道路信息，在行车安全方面有不可替代的作用。传统的路面交通标志自动分割大都基于多种图像预处理技术，例如FoucherP等提出一种可以识别人行横道、箭头标志和其它几种标志的方法，该方法主要分为两步：提取路面交通标志要素和基于单模式，或重复矩形模式连接标志各组件。模板匹配的方法也可以实现路面交通标志的识别，采用最大限度地稳定极值区域（MSERs）算法检测路面交通标志感兴趣区域。为了进一步提升路面交通标志检测系统的抗干扰性和保证系统的实时性，根据路面交通标志检测对于车道线位置有很强的依赖性，提出基于车道线的路面交通标志检测，通过车道线的位置确标定志感兴趣区域。Hu不变矩、Zemike矩能够提取目标的边缘特征，具备平移和旋转不变性，该类方法可以基本满足实时性，但鲁棒性不够好。
通过YOLO算法将道路上的交通标识标注出来，如图4所示。之前有在车辆环节介绍过YOLO算法原理，故不再赘述。
图3. 通过算法实现标注
4）开发环境说明
表1. 路面标识开发环境
3. 关键技术参数和性能指标
实现路面标志的提取识别，最终达到以下两个指标：
1） 把路面上90%的交通标志提取/框选出来。
2） 把提取出来的标志进行识别，并且识别率能达到95%。
3） 实时性
