交通标志检测与识别是城区综合环境下智能车有效完成任务的关键技术之一。本项目围绕“基于视觉的城区综合环境下交通标志检测与识别”这一课题展开，主要研究内容有：（1）透视矫正：设计基于消失点的逆透视变换方法，消除上下俯仰角所带来的逆透视变换不和水平线弯曲的误差；（2）显著区域提取：模拟人类视觉感知功能，融合自顶向下与自底向上视觉注意模型，提取真实场景中交通标志的显著区域；（3）目标分割：研究轮廓形状约束条件下的水平集分割算法，有效完整检测目标对象；（4）目标识别：探求能够有效处理各种噪声的分类器框架，构建基于类样本线性表示的稀疏残差矩阵分解的数学模型；（5）串行算法并行化：对数据处理的无耦合无关联操作采用适当的粒度划分并行化操作，提高系统实时处理能力。通过本项目的实施，为智能车辆在城区综合道路自主行驶中的实时路况分析提供理论基础和技术支持。

无人驾驶已经成为国内外研究人员的研究热点。无人驾驶技术中，还有很多基于视觉的难点问题有待于突破，例如城区综合环境下的交通标志检测与识别。本项目针对城区综合环境下的交通标志检测与识别问题，在透视校正、显著目标区域检测、目标分割、目标识别等方面展开了一系列的理论研究，同时针对交通标志检测与识别问题中涉及到的道路消失点检测、车道线检测、交通标志分割与识别算法、串行算法并行化等方面也进行了应用基础研究，取得了一系列科研成果。针对相应的研究内容，我们提出了一系列新的理论模型或者算法，从数学或者认知的角度为解决交通标志检测与识别中的难点问题提供了新的思路。通过本项目的实施，为智能车辆在城区综合道路自主行驶中的实时路况分析提供理论基础和技术支持。项目资助发表了SCI论文14篇，EI论文20篇，申请发明2项。在国内外学术交流方面，多次邀请国际专家来校进行学术交流，多次参加国际会议如ICIP2016, ICWAPR2016, ISBI2017, MICCAI2017, ITSC2017, ICSPAC2017等。人才培养方面，近几年先后培养了一批优秀的人才，其中已毕业博士4名，硕士3名。^[1]