基于卷積神經(jīng)網(wǎng)絡(luò)的交通標識識別研究及應(yīng)用.pdf

1、交通標識在現(xiàn)代社會中隨處可見，也扮演著重要的角色，它作為一種信息載體向行車人員傳遞各種指導(dǎo)信息。在智能交通快速發(fā)展的今天，越來越多的汽車上裝有交通標識智能識別系統(tǒng)，這種智能識別系統(tǒng)可以幫助行車人員減少識別交通信息的認知努力，更重要的是降低由于人為認知偏差所帶來的安全隱患，因此，更加安全可靠的交通標識識別系統(tǒng)是駕駛員的需求，也是當下汽車生產(chǎn)商的研究熱點。然而實際行駛中的汽車拍攝的圖片，難免出現(xiàn)圖像扭曲、模糊現(xiàn)象，除此之外，還存在外部不可控

2、因素的干擾，例如惡劣天氣的影響等使得交通標識識別系統(tǒng)的研究面臨許多困難，實際應(yīng)用還遠不夠成熟。
　　本項研究經(jīng)過前期大量的文獻檢索，在文獻回顧中發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識別、語音分析等許多方面取得顯著成果，著重研究了卷積神經(jīng)網(wǎng)絡(luò)在交通標識識別中應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)搭載了多層感知裝置，在識別圖像時可以有效減少圖片變形、縮放等因素的干擾，但是它深層結(jié)構(gòu)性使得在識別圖像時用時過長，在實際行車中沒有辦法實現(xiàn)快速響應(yīng)，不適合實時性要求高的應(yīng)

3、用環(huán)境。針對這種現(xiàn)實狀況，本文提出了一種優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)，主要解決保證準確率的基礎(chǔ)上增加實用性的問題。
　　本文的主要工作是:為規(guī)避傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)在應(yīng)用中耗時長的問題提出了一種優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)算法。在交通標識檢測的問題上，通過顏色和形狀相結(jié)合的方法，首先用SVM顏色分類器將原始圖片轉(zhuǎn)化為灰度圖像，再利用形狀模板匹配提取感興趣的圖像區(qū)域以及后續(xù)對感興趣區(qū)域的進一步提煉，最后輸入到優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)檢測，檢測算法在德國交通標識檢

4、測標準數(shù)據(jù)集上檢驗，實驗結(jié)果表明，該算法具有較高的檢測準確率，并且對光照、遮擋、旋轉(zhuǎn)等有較強的魯棒性。針對交通標識識別問題，提出一種層次化分類算法。首先將交通標識粗分為若干大類，然后根據(jù)各類標識的特點有針對性的做預(yù)處理，處理后的圖片輸入優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)進行細分類得出具體類別，最后將所提出的識別算法用基于德國交通標識識別標準數(shù)據(jù)集進行檢驗并與其它優(yōu)秀算法對比。結(jié)果表明，該算法在保證了較高的分類正確率的基礎(chǔ)上，極大的提升了運行速度，更加適