基于多分辨率卷積網(wǎng)絡的交通標志檢測與識別.pdf

1、在機動車通行道路上設置交通標志，對調(diào)節(jié)交通流量和提高道路的通行能力都起著重要的作用，它還可以預先把當前的道路狀況向駕駛人員做出指示，讓駕駛人員提前有所準備，從而降低交通事故發(fā)生的概率。但近年來，隨著車輛數(shù)量的增加和道路狀況的日益復雜，交通安全問題引發(fā)了人們的熱議，智能交通系統(tǒng)也受到各方的關注，該系統(tǒng)通過綜合運用先進的科學技術，建立一個可以主動控制車輛安全行駛的系統(tǒng)。
　　交通標志識別作為該系統(tǒng)中輔助駕駛系統(tǒng)的一個重要功能，在整個系

2、統(tǒng)中發(fā)揮了巨大的作用，各國政府和汽車制造商對這一問題進行了多年的研究，但由于真實交通環(huán)境的復雜性，還有許多問題尚待解決。為此，本論文對交通標志檢測和識別這一問題作為研究主題，運用卷積神經(jīng)網(wǎng)絡的方法對其進行研究和分析。
　　在交通標志檢測問題上，為了提高從場景圖像中檢測交通標志的速度和準確度，本文提出一種非對稱卷積神經(jīng)網(wǎng)絡的算法。該算法首先要從原始圖像中提取ROI區(qū)域，而后進行分類，前期提取ROI區(qū)域的方法是用傳統(tǒng)的顏色轉換和形狀匹

3、配的方法進行，實驗使用的原始圖像來源于德國交通標志檢測基準數(shù)據(jù)集。通過實驗表明，該算法可以克服圖像中交通標志尺寸過小、不良天氣和標志褪色等不良影響，魯棒性較好，證明了算法的有效性。
　　在交通標志識別問題上，提出了一種多分辨率卷積神經(jīng)網(wǎng)絡算法，用于解決使用卷積神經(jīng)網(wǎng)絡進行交通標志識別時訓練時間長的問題。該算法在基于傳統(tǒng)卷積神經(jīng)網(wǎng)絡的基礎上，使用兩個不同的分支訓練網(wǎng)絡，提取特征并進行分類。將圖像預處理為一個高分辨率圖像數(shù)據(jù)集和一個低