臺灣博碩士論文加值系統

即時交通速限辨識對於駕駛很重要。靜態辨識易受到環境因素影響導致失敗。動態辨識，利用連續多張影像來進行辨識，可減少環境因素，但可能導致處理速度較慢。因此，本研究提出一種基於動態影像處理的辨識系統。系統先偵測是否有遇到速限標誌，一旦偵測到速限標誌，系統就鎖定該標誌，然後以較密集的時間間距來連續拍攝以確定其速限。系統先經過影像處理去除多餘的雜訊；然後，透過霍夫轉換與長寬比進行篩選，以達到避免雜訊干擾。然後我們使用Google所維護的Tesseract-OCR進行辨識。系統會將每幀影像經過辨識後，取重複率最高的作為辨識結果。系統目前在時速60~70公里間，天氣良好的條件下的識別率大約85%左右。雖不是很高，但做為行車輔助系統，其功能尚稱可行。

The topic is very important. Static identification is vulnerable to environmental factors while dynamic identification can reduce it but with a slow speed. This study proposes a system based on dynamic image processing. The system first detect whether there is a speed limitation sign. Once the sign has been detected, the system will lock the sign and take a series of images. Then, the system performs image processing to avoid noise interference. Then the system uses Google Maintained Tesseract-OCR Identification System to recognize. Each image will be count the repetition rate and the highest one will be selected. The recognition rate is about 85% in average under the condition that when the car speed is about 60~70 kilometers and a good weather. Though the recognition rate is not so high, however, for the assistance of the drivers, the system is feasible enough.

封面
中文審定書 i
英文審定書 ii
摘 要 iii
ABSTRACT iv
致謝 v
表目錄 vi
圖目錄 vii
第一章 緒論 1
1.1研究動機 1
1.2文獻探討 2
1.3系統架構 3
第二章 研究內容與方法 5
2.1影像擷取 5
2.1.1 OpenCV環境架設 6
2.1.2 設置電腦裡的環境變數 7
2.1.3開啟Microsoft Visual Studio 2010 8
2.1.4設置專案的屬性 9
2.1.5導到OpenCV的函式庫中 10
2.2 影像灰階處理 11
2.3 高斯模糊 12
2.4霍夫轉換與長寬比 14
2.5 兩圖相比法(背景相減) 16
2.6 正規化 18
2.6.1 二值影像處理 18
2.6.2 圖像分解 19
2.7數字辨識 20
2.8 警示系統 31
第三章 系統實現 32
3.1攝影機開啟與輸入 33
3.2影像前處理與交通標誌的偵測 34
3.3交通速限標誌字元搜尋與辨識結果展示 35
3.4系統結束與展示.TXT檔案 36
第四章 研究結果 37
4.1實驗設備與設定 37
4.2 實驗方法 37
4.3研究結果 39
4.4 實驗結果修正 41
第五章 結論與未來展望 43
參考文獻 44

[1]楊宗霖，以動態影像處理技術為基礎之動態車牌辨識，崑山科技大學數位生活科技研究所碩士論文，民國103年
[2]林盈宏，具有適應性的交通標誌號誌偵測與辨識，國立中央大學資訊工程研究所碩士論文，民國98年
[3]曹仁鴻，即時交通標誌辨識技術，樹德科技大學資訊工程系碩士論文，民國102年
[4]王文慶，以類神經網路為基礎之交通速限標誌辨識，國立臺北科技大學電機工程系碩士論文，民國98年
[5]李惠萍，不同天候狀況的交通標誌偵測與辨識，國立中央大學資訊工程研究所碩士論文，民國98年
[6]廖俊鑑，以改良式霍夫轉換為基礎的快速圓形/圓弧偵測方法之研究，國立台灣科技大學高分子工程系博士論文，民國94年
[7]OpenCV簡介，http://zh.wikipedia.org/wiki/OpenCV。
[8] 逍遙文工作室，轉換影像為灰階，
http://cg2010studio.wordpress.com/2011/06/06/opencv-%E8%BD%89%E6%8F%9B%E5%BD%B1%E5%83%8F%E7%82%BA%E7%81%B0%E9%9A%8E-transform-image-to-gray-level/。
[9]張宏林，Visual C++ 數位影像模式識別技術及工程實踐，文魁資訊出版，台北市，2008年10月。
[10]求是科技，Visual C++ 數位影像技術處理大全，文魁資訊出版，台北市，2008年9月。
[11] Google Tesseract-ocr，http://code.google.com/p/tesseract-ocr/。
[12]高斯模糊 維基百科，http://zh.wikipedia.org/wiki/%E9%AB%98%E6%96%AF%E6%A8%A1%E7%B3%8A
[13]霍夫變換 維基百科，
http://zh.wikipedia.org/wiki/%E9%9C%8D%E5%A4%AB%E5%8F%98%E6%8D%A2
[14] 淺談影像監控之背景建立技術，http://vbie.eic.nctu.edu.tw/vol_2/skill_7.htm
[15]Opencv背景去除的幾種方法，
http://fecbob.pixnet.net/blog/post/39441931-opencv%E8%83%8C%E6%99%AF%E5%8E%BB%E9%99%A4%E7%9A%84%E5%B9%BE%E7%A8%AE%E6%96%B9%E6%B3%95
[16]台灣wiki-圖像分割
http://www.twwiki.com/wiki/%E5%9C%96%E5%83%8F%E5%88%86%E5%89%B2