基于深層神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法研究.pdf

1、近幾年來，隨著交通條件日益成熟，道路基礎(chǔ)設(shè)施逐漸健全，尤其是在較發(fā)達(dá)的城市，道路交通已占主導(dǎo)地位，交通標(biāo)志對于道路交通的暢通運(yùn)行顯得尤為重要；另一方面，隨著智能汽車的不斷發(fā)展，道路交通標(biāo)志的自動(dòng)識(shí)別作為智能汽車的基本技術(shù)之一，受到人們的高度關(guān)注。在實(shí)際交通環(huán)境下，由于運(yùn)動(dòng)模糊、光線干擾、天氣條件以及拍攝視角等因素，所采集的交通標(biāo)志的圖像質(zhì)量往往很差，這就對交通標(biāo)志自動(dòng)識(shí)別帶來了困難，更對交通標(biāo)志識(shí)別方法的準(zhǔn)確性和魯棒性提出了很高的要求。

2、因此，如何快速、準(zhǔn)確、有效地識(shí)別出道路中的交通標(biāo)志具有重要的研究意義。
　　道路交通標(biāo)志的識(shí)別主要有兩個(gè)基本環(huán)節(jié)：首先是交通標(biāo)志的檢測，包括交通標(biāo)志的定位、提取以及必要的預(yù)處理；其次是交通標(biāo)志的識(shí)別，包括交通標(biāo)志的特征提取及分類。
　　道路交通標(biāo)志的識(shí)別方法主要有兩類形式，一種是采用“人工特征+機(jī)器學(xué)習(xí)”的識(shí)別方法，另一種是近幾年發(fā)展起來的基于深度學(xué)習(xí)模型的識(shí)別方法。本文在研究深度學(xué)習(xí)的基礎(chǔ)上，提出了一種基于深層卷積神經(jīng)網(wǎng)絡(luò)

3、的交通標(biāo)志識(shí)別方法，并通過仿真實(shí)驗(yàn)驗(yàn)證了該方法的有效性。論文的主要研究內(nèi)容有：
　　(1)深度學(xué)習(xí)
　　學(xué)習(xí)和研究了深度學(xué)習(xí)的理論與模型，指出深度學(xué)習(xí)是通過模擬人腦的逐層結(jié)構(gòu)來構(gòu)建具有很多隱層的機(jī)器學(xué)習(xí)模型，來自動(dòng)地學(xué)習(xí)更有用的特征，從而最終提升分類或預(yù)測的準(zhǔn)確性；
　　(2)應(yīng)用深層卷積神經(jīng)網(wǎng)絡(luò)識(shí)別交通標(biāo)志
　　深入研究了深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型的基本原理與結(jié)構(gòu)，提出了一種基于深層卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法

4、。該方法采用深層卷積神經(jīng)網(wǎng)絡(luò)的有監(jiān)督學(xué)習(xí)模型，直接將采集的交通標(biāo)志圖像經(jīng)二值化后作為網(wǎng)絡(luò)的輸入，通過卷積神經(jīng)網(wǎng)絡(luò)的卷積層和池采樣層的交替多層處理，來模擬人腦感知視覺信號(hào)的多層次結(jié)構(gòu)，以自動(dòng)地提取交通標(biāo)志圖像的特征，最后再利用一個(gè)全連接的網(wǎng)絡(luò)實(shí)現(xiàn)交通標(biāo)志特征的識(shí)別。實(shí)驗(yàn)結(jié)果表明，該方法利用卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)能力，自動(dòng)地學(xué)習(xí)交通標(biāo)志的特征，不僅避免了傳統(tǒng)的人工設(shè)計(jì)特征的提取，而且有效地提高了交通標(biāo)志識(shí)別的效率，具有良好的泛化能力和適應(yīng)范