更新时间：05-31 （G战队）提供原创文章
摘要:近些年来随着城市化建设的迅速加快，机动车数量增加迅速普及到人们的生活中，机动车辆的行驶安全已经成为全世界关注的热点。然而由于道路状况的复杂性与交通信息的多样性使得驾驶员在行驶的过程中注意力不容易集中，不能及时获取道路信息从而酿成车祸，严重影响了公共安全。当前如此严峻的情况下，利用高新技术开发具有辅助驾驶或自动驾驶功能的智能车辆成为解决该问题的关键手段之一，因此，辅助驾驶或自动驾驶系统的发展己成必然，而交通信号灯识别技术方法的研究对这两方面有着十分重要的意义[1]。
本设计利用基于SVM（支持向量机）算法的Matlab图像识别有效地检测出交通灯信号并识别出其基本的灯语含义。具体步骤如下：
对读取的图像利用迭代法选取最佳阈值进行二值化处理，再利用top-hat算子对二值化的图片做形态学处理提取出亮区域，之后根据交通信号灯光源部分的特点，设定用于约束的面积阈值与长宽比阈值过滤掉不在这两阈值区间的部分得到最后的亮区域，标记为候选区。因为RGB图像受光照的干扰较强，所以我们需要将图片转换到HSV颜色空间上识别颜色，我们先将候选区裁剪到最小的外接矩形，再使用RGB转HSV公式对裁剪过的候选区进行颜色空间转换，之后对H分量进行跟踪H分量的大小识别出其颜色信息。
在形状识别这一部分，先利用libsvm训练SVM分类器，首先将样本图像的交通灯候选区进行灰度化处理，大小归一化为32×32。之后将预处理后的交通等信号候选区送入SVM分类器中，提取候选区的哈尔小波特征，并用F-score对提取的特征进行降维处理，最后利用训练好的SVM分类器对候选区进行形状检测。
关键词：交通信号灯；形状识别；图像处理；支持向量机
目录
摘要
Abstract
1.绪论-1
1.1研究背景-1
1.2交通灯基础知识-1
1.3本文主要工作-2
1.3.1交通灯识别系统实现的困难-2
1.3.2研究内容及方法-3
2 颜色候选区提取与识别-4
2.1颜色空间基础知识-4
2.2形态学处理-6
2.3颜色候选区提取-8
2.3.1图像二值化-8
2.3.3基于top-hat算子的亮区域提取 （顶帽变换）-9
2.4颜色识别-10
2.4.1颜色空间转换-10
2.4.2颜色识别-11
2.5本章小结-11
3.形状识别-12
3.1 SVM-支持向量机算法简介-12
3.1.1 线性可分-12
3.1.2线性不可分-13
3.2 SVM分类器设计与训练-13
3.2.1核函数选择-13
3.2.2样本图像处理-13
3.2.3训练样本特征提取-13
3.2识别过程-14
3.3识别结果-14
3.4本章小结-15
4.系统界面设计与实验结果分析-16
4.1Matlab gui界面简介-16
4.2界面设计-16
4.3算法过程-18
4.4结果及其分析-19
4.5本章小结-23
5.总结与展望-24
5.1本文工作总结-24
5.2未来展望-24
参 考 文 献-25
致 谢-26