基于TensorFLow的交通標(biāo)識智能識別系統(tǒng)設(shè)計.pdf

1、交通標(biāo)識識別系統(tǒng)作為智能駕駛系統(tǒng)的重要組成部分，在先進駕駛輔助、交通標(biāo)識自動維護、無人車自動駕駛等多方面具有重要作用，是智能駕駛系統(tǒng)研究的關(guān)鍵和基礎(chǔ)。然而，真實的道路交通環(huán)境復(fù)雜多變，光照條件、天氣狀況、局部遮擋、視角傾斜、背景色相似干擾等問題使交通標(biāo)識識別系統(tǒng)的研究面臨許多困難。
　　本文在總結(jié)交通標(biāo)識識別技術(shù)研究現(xiàn)狀的基礎(chǔ)上，分析了現(xiàn)有方法存在的問題，基于TensorFlow框架搭建了改進的卷積神經(jīng)網(wǎng)絡(luò)，用于識別交通標(biāo)識，并對

2、交通標(biāo)識識別上位機系統(tǒng)進行了設(shè)計和實現(xiàn)。
　　本文研究內(nèi)容如下:
　　1.針對交通標(biāo)識識別問題，基于TensorFlow框架實現(xiàn)了一種多尺度特征卷積神經(jīng)網(wǎng)絡(luò)。利用卷積核滑動濾波提取特征，通過最大值池化技術(shù)降維，通過調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)中的參數(shù)和使用RELU激活函數(shù)來優(yōu)化網(wǎng)絡(luò)性能，采用Dropout、L2正則化和早停(early stopping)方式來防止過擬合。網(wǎng)絡(luò)模型在GTSRB數(shù)據(jù)集上進行測試，識別準(zhǔn)確率達99.26％。

3、>　　2.針對GTSRB數(shù)據(jù)集數(shù)據(jù)樣本各類數(shù)據(jù)量分布不均衡問題，采用水平垂直鏡像，隨機旋轉(zhuǎn)和投影變換來增加數(shù)據(jù)集的均衡多樣性。針對交通標(biāo)識在不同光照條件下會產(chǎn)生特征提取干擾的問題，使用改進的自適應(yīng)直方圖均衡化方法，對GTSRB交通標(biāo)識數(shù)據(jù)集中的數(shù)據(jù)樣本進行前期處理。同時，為了增強系統(tǒng)的安全性，可靠性和靈活性，加快運行速度，本文將數(shù)據(jù)預(yù)處理和訓(xùn)練過程都配置到云服務(wù)器上運行。
　　3.設(shè)計了交通標(biāo)識識別系統(tǒng)上位機軟件，上位機軟件中將卷