针对现有主流检测算法在低光照或光照条件强烈变化情况下对交通标志检测精度不足、漏检现象严重的问题,提出一种改进后的基于图像关键点统计变换(MCT)特征的Adaboost集成算法,以降低样本图像对光照变化的敏感性,通过对图像关键点进行提取并建立弱分类器,增强噪声和部分遮挡情况下算法的抗干扰能力,同时采用多尺度特征融合算法实现交通标志的分类识别。选用德国交通标志数据集(GTSDB、GTSRB)和自建数据集对所提算法性能进行验证,结果表明,在三类数据集中本文算法均具有最佳检测率与识别率,对于低光照条件下的交通标志图像,本文算法的检测精确率为94.96%,在复杂光照环境下具有较好的稳健性。

现有基于低动态范围(LDR)图像的识别方法在良好的曝光环境下, 能取得较为理想的结果, 但其容易受照明条件的限制以及天气状况的影响, 稳健性不强。为此, 提出一种基于高动态范围(HDR)技术的识别方法。通过改进的逆色调映射算法, 对相机捕获的不同曝光的LDR图像进行自适应亮度范围拉伸, 分别生成明暗两幅子图像, 再采用多曝光融合算法对子图像进行融合, 生成一幅HDR图像代替原LDR图像进行识别。实验结果表明, 该方法可较好地提高交通标志牌的检测与识别正确率。