基于深層神經(jīng)網(wǎng)絡的交通標志識別方法研究.pdf

1、近幾年來，隨著交通條件日益成熟，道路基礎設施逐漸健全，尤其是在較發(fā)達的城市，道路交通已占主導地位，交通標志對于道路交通的暢通運行顯得尤為重要；另一方面，隨著智能汽車的不斷發(fā)展，道路交通標志的自動識別作為智能汽車的基本技術之一，受到人們的高度關注。在實際交通環(huán)境下，由于運動模糊、光線干擾、天氣條件以及拍攝視角等因素，所采集的交通標志的圖像質量往往很差，這就對交通標志自動識別帶來了困難，更對交通標志識別方法的準確性和魯棒性提出了很高的要求。

2、因此，如何快速、準確、有效地識別出道路中的交通標志具有重要的研究意義。
　　道路交通標志的識別主要有兩個基本環(huán)節(jié)：首先是交通標志的檢測，包括交通標志的定位、提取以及必要的預處理；其次是交通標志的識別，包括交通標志的特征提取及分類。
　　道路交通標志的識別方法主要有兩類形式，一種是采用“人工特征+機器學習”的識別方法，另一種是近幾年發(fā)展起來的基于深度學習模型的識別方法。本文在研究深度學習的基礎上，提出了一種基于深層卷積神經(jīng)網(wǎng)絡

3、的交通標志識別方法，并通過仿真實驗驗證了該方法的有效性。論文的主要研究內容有：
　　(1)深度學習
　　學習和研究了深度學習的理論與模型，指出深度學習是通過模擬人腦的逐層結構來構建具有很多隱層的機器學習模型，來自動地學習更有用的特征，從而最終提升分類或預測的準確性；
　　(2)應用深層卷積神經(jīng)網(wǎng)絡識別交通標志
　　深入研究了深度學習卷積神經(jīng)網(wǎng)絡模型的基本原理與結構，提出了一種基于深層卷積神經(jīng)網(wǎng)絡的交通標志識別方法

4、。該方法采用深層卷積神經(jīng)網(wǎng)絡的有監(jiān)督學習模型，直接將采集的交通標志圖像經(jīng)二值化后作為網(wǎng)絡的輸入，通過卷積神經(jīng)網(wǎng)絡的卷積層和池采樣層的交替多層處理，來模擬人腦感知視覺信號的多層次結構，以自動地提取交通標志圖像的特征，最后再利用一個全連接的網(wǎng)絡實現(xiàn)交通標志特征的識別。實驗結果表明，該方法利用卷積神經(jīng)網(wǎng)絡的深度學習能力，自動地學習交通標志的特征，不僅避免了傳統(tǒng)的人工設計特征的提取，而且有效地提高了交通標志識別的效率，具有良好的泛化能力和適應范