基于机器视觉的交通标识识别的研究与应用
软件端：我们将会采取传统的方法实现软件端。首先是图像预处理，构建色彩直方图，将需要识别的标识范围确定，随后通过将图像构建成二值图像来为图像除噪；然后识别图片中的特征点，通过尝试PCA主成分分析法、Gabor特征提取算法、SURF特征提取算法等常见算法，提取特征点；然后构建一个分类器，通过对于识别图像的颜色和形状特征归类，从而准确定义出识别目标是什么交通标识；最后将数据库中清晰可见的标识图案替代拍摄画面中的原标识，提高标识的清晰度。
硬件端：购买单片机摄像头模块，显示器，通过数据线连接，从摄像头拍摄实时图像，结果软件端处理之后，在显示屏中显示出来。
该项目是用于辅助驾驶、降低事故发生率的一个系统。系统由硬件和软件两方面来实现。硬件端用于拍摄实时路况（驾驶员视角），然后将实时路况的数据（图像）传送到软件端，经过软件处理后，再传送到显示屏，将实时画面中信息（交通标志、地面分隔线）标识出来（框出/和周围景物明显区别），以此帮助驾驶员注意到路况中这些信息。（或者可以应用于自动驾驶，这就需要能准确识别出标志内具体的内容信息）
