基于卷積神經(jīng)網(wǎng)絡的交通標識識別研究與應用.pdf

1、交通標識包含豐富的道路交通信息，為駕駛員提供警示、指示等輔助信息，對減輕駕駛員駕駛壓力、降低道路交通壓力、減少交通事故發(fā)生率起著重要的輔助作用。如果完全靠駕駛員自己注意和發(fā)現(xiàn)交通標識并做出正確的反應，難免會增加駕駛員的負擔，加速疲勞，嚴重地可能會導致交通事故。因此，安全可靠的交通標識識別系統(tǒng)越來越受到汽車生產(chǎn)廠商的重視以及駕駛員的青睞。然而，真實環(huán)境下的交通情況復雜多變，光照強度、天氣因素、局部遮擋、視角傾斜等問題使得交通標識識別系統(tǒng)的

2、研究面臨許多困難，而實際的應用也遠未達到成熟地步。本文在調(diào)研國內(nèi)外相關研究的基礎上，著重研究了卷積神經(jīng)網(wǎng)絡在交通標識識別中應用。
　　卷積神經(jīng)網(wǎng)絡具有對二維圖像位置平移、比例縮放、傾斜或者共他形式變形的高度不變性的優(yōu)點，在圖像識別、語音識別以及交通標識識別等領域已經(jīng)取得成功。但是卷積神經(jīng)網(wǎng)絡由于具有深層的結(jié)構(gòu)，模型訓練和模式識別過程都比較耗時，這對實時性要求較高的交通標識識別系統(tǒng)來說是一個嚴重的缺陷。因此，本文提出了一種快速卷積神

3、經(jīng)網(wǎng)絡來解決交通標識識別問題，與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡相比，該方法在提取同等數(shù)量特征的情況下，能夠顯著降低運行時間。
　　本文的主要工作包括如下方面:1.針對交通標識檢測問題提出了一種快速卷積神經(jīng)網(wǎng)絡算法。首先使用支持向量機將輸入圖像轉(zhuǎn)換為灰度圖像，然后使用形狀模板匹配方法尋找感興趣區(qū)域，將得到的感興趣區(qū)域輸入到快速卷積神經(jīng)網(wǎng)絡進行分類。最后將所提出的檢測算法用德國交通標識檢測標準(German Traffic Sign Detect

4、ion Benchmark，GTSDB)數(shù)據(jù)集進行檢驗。實驗結(jié)果表明，該算法具有較高的檢測準確率，能夠適應惡劣光照、遮擋、旋轉(zhuǎn)等多種不利條件。2.針對交通標識識別問題，提出一種基于卷積神經(jīng)網(wǎng)絡的層次化分類算法。首先將交通標識粗分為若干大類，然后針對各類的特點對標識進行預處理，對處理后的標識細分類得出最終結(jié)果。最后將所提出的識別算法用基于德國交通標識識別標準（German Traffic Sign Recognition Benchmar