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

1、交通標(biāo)識(shí)在現(xiàn)代社會(huì)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(biāo)識(shí)智能識(shí)別系統(tǒng)，這種智能識(shí)別系統(tǒng)可以幫助行車人員減少識(shí)別交通信息的認(rèn)知努力，更重要的是降低由于人為認(rèn)知偏差所帶來的安全隱患，因此，更加安全可靠的交通標(biāo)識(shí)識(shí)別系統(tǒng)是駕駛員的需求，也是當(dāng)下汽車生產(chǎn)商的研究熱點(diǎn)。然而實(shí)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(biāo)識(shí)識(shí)別系統(tǒng)的研究面臨許多困難，實(shí)際應(yīng)用還遠(yuǎn)不夠成熟。
　　本項(xiàng)研究經(jīng)過前期大量的文獻(xiàn)檢索，在文獻(xiàn)回顧中發(fā)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于圖像識(shí)別、語(yǔ)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(biāo)識(shí)識(shí)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(shí)別圖像時(shí)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(shí)別圖像時(shí)用時(shí)過長(zhǎng)，在實(shí)際行車中沒有辦法實(shí)現(xiàn)快速響應(yīng)，不適合實(shí)時(shí)性要求高的應(yīng)

3、用環(huán)境。針對(duì)這種現(xiàn)實(shí)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(zhǔn)確率的基礎(chǔ)上增加實(shí)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(shí)長(zhǎng)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(biāo)識(shí)檢測(cè)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(duì)感興趣區(qū)域的進(jìn)一步提煉，最后輸入到優(yōu)化的卷積神經(jīng)網(wǎng)絡(luò)檢測(cè)，檢測(cè)算法在德國(guó)交通標(biāo)識(shí)檢

4、測(cè)標(biāo)準(zhǔn)數(shù)據(jù)集上檢驗(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，并且對(duì)光照、遮擋、旋轉(zhuǎn)等有較強(qiáng)的魯棒性。針對(duì)交通標(biāo)識(shí)識(shí)別問題，提出一種層次化分類算法。首先將交通標(biāo)識(shí)粗分為若干大類，然后根據(jù)各類標(biāo)識(shí)的特點(diǎn)有針對(duì)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(jìn)行細(xì)分類得出具體類別，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)數(shù)據(jù)集進(jìn)行檢驗(yàn)并與其它優(yōu)秀算法對(duì)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(yùn)行速度，更加適