基于卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)識(shí)識(shí)別研究與應(yīng)用.pdf

1、交通標(biāo)識(shí)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(duì)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(biāo)識(shí)并做出正確的反應(yīng)，難免會(huì)增加駕駛員的負(fù)擔(dān)，加速疲勞，嚴(yán)重地可能會(huì)導(dǎo)致交通事故。因此，安全可靠的交通標(biāo)識(shí)識(shí)別系統(tǒng)越來(lái)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(shí)環(huán)境下的交通情況復(fù)雜多變，光照強(qiáng)度、天氣因素、局部遮擋、視角傾斜等問(wèn)題使得交通標(biāo)識(shí)識(shí)別系統(tǒng)的

2、研究面臨許多困難，而實(shí)際的應(yīng)用也遠(yuǎn)未達(dá)到成熟地步。本文在調(diào)研國(guó)內(nèi)外相關(guān)研究的基礎(chǔ)上，著重研究了卷積神經(jīng)網(wǎng)絡(luò)在交通標(biāo)識(shí)識(shí)別中應(yīng)用。
　　卷積神經(jīng)網(wǎng)絡(luò)具有對(duì)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(diǎn)，在圖像識(shí)別、語(yǔ)音識(shí)別以及交通標(biāo)識(shí)識(shí)別等領(lǐng)域已經(jīng)取得成功。但是卷積神經(jīng)網(wǎng)絡(luò)由于具有深層的結(jié)構(gòu)，模型訓(xùn)練和模式識(shí)別過(guò)程都比較耗時(shí)，這對(duì)實(shí)時(shí)性要求較高的交通標(biāo)識(shí)識(shí)別系統(tǒng)來(lái)說(shuō)是一個(gè)嚴(yán)重的缺陷。因此，本文提出了一種快速卷積神

3、經(jīng)網(wǎng)絡(luò)來(lái)解決交通標(biāo)識(shí)識(shí)別問(wèn)題，與傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)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(yùn)行時(shí)間。
　　本文的主要工作包括如下方面:1.針對(duì)交通標(biāo)識(shí)檢測(cè)問(wèn)題提出了一種快速卷積神經(jīng)網(wǎng)絡(luò)算法。首先使用支持向量機(jī)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(luò)進(jìn)行分類。最后將所提出的檢測(cè)算法用德國(guó)交通標(biāo)識(shí)檢測(cè)標(biāo)準(zhǔn)(German Traffic Sign Detect

4、ion Benchmark，GTSDB)數(shù)據(jù)集進(jìn)行檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該算法具有較高的檢測(cè)準(zhǔn)確率，能夠適應(yīng)惡劣光照、遮擋、旋轉(zhuǎn)等多種不利條件。2.針對(duì)交通標(biāo)識(shí)識(shí)別問(wèn)題，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的層次化分類算法。首先將交通標(biāo)識(shí)粗分為若干大類，然后針對(duì)各類的特點(diǎn)對(duì)標(biāo)識(shí)進(jìn)行預(yù)處理，對(duì)處理后的標(biāo)識(shí)細(xì)分類得出最終結(jié)果。最后將所提出的識(shí)別算法用基于德國(guó)交通標(biāo)識(shí)識(shí)別標(biāo)準(zhǔn)（German Traffic Sign Recognition Benchmar