基于改进的CNN交通标志识别研究

发布时间：2020-05-12 06:13

【摘要】：随着汽车保有量和驾驶员人数的大量增加,交通事故的数量也一直居高不下。交通标志识别是高级驾驶员辅助系统的核心技术之一,高准确率和实时性好的交通标志识别可以及时地根据车辆路面环境给驾驶员以反馈,辅助驾驶员的行车决策,从而减少或尽量避免交通事故的发生;另一方面,交通标志识别也是近年来无人驾驶车辆研究和发展的关键技术之一,故交通标志识别研究是一项具有重要研究价值和实际意义的课题。本文在对交通标志检测识别方法的国内外研究现状进行了详细总结和分析后,确定基于卷积神经网络的识别方法在近年来取得了很好的准确率;对德国交通标志识别库数据集中的图片进行了一系列的预处理操作,包括图像裁剪去除冗余背景、用限制对比度的直方图均衡化方法进行图像增强和图像尺寸归一化,最终获得了高质量的数据集图像;在对卷积神经网络的网络特点、层级结构和超参数等进行了详细的分析后,介绍了已经在图像识别领域取得了很好效果的经典卷积神经网络模型,最终在其基础上提出了本文用于交通标志识别的改进卷积神经网络模型,该模型在数据归一化方式、Dropout层和卷积层通道数上均做了改进,并且也在实际测试中验证了改进方案的有效性;通过实验对比和分析,确定了网络模型的最优超参数,完成了本文所提出的新的改进卷积神经网络模型的预设参数优化,最终确定的用于交通标志识别的改进卷积神经网络模型在德国交通标志识别库上进行测试获得了99.17%的识别正确率,并且平均每幅图像用时仅7毫秒,满足了对准确度和实时性的要求。
【图文】：

志识别当前存在的问题交通标志识别的情况都是在自然环境下，往往很复杂并且会大的挑战，下面将列举几个主要的不利因素。件的影响照条件是 TSDR 在实时检测识别时遇到的重要问题之一。一别很大，正午时光线充足，但是可能造成过度曝光；夜晚曝光不足，这些自然环境都让此时的图像很难辨认。同理，况，阴天、雨雪天气和雾霾天等较差的天气状况都会成为不是十分敏感的。下图所示是一些光照条件不好的例子，图 不足的情况，而（b）则是照片过度曝光的情况，（c）是在雾摄的。

图 1.2 运动模糊的标志牌图片路环境中，常常会发生标志牌被部分遮挡的情况，，例如路牌等。部分遮挡会导致图像信息不完整，给检测识别带b）、（c）就分别被信号灯、树影和前方车辆部分遮挡了。图 1.3 部分遮挡的标志牌图片变
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U463.6;TP391.41

【参考文献】

相关期刊论文 前9条

1 宣森炎;龚小谨;刘济林;;基于联合卷积和递归神经网络的交通标志识别[J];传感器与微系统;2014年08期

2 常发亮;黄翠;刘成云;赵永国;马传峰;;基于高斯颜色模型和SVM的交通标志检测[J];仪器仪表学报;2014年01期

3 冯春贵;祝诗平;王海军;贺园园;;基于改进模板匹配的限速标志识别方法研究[J];西南大学学报(自然科学版);2013年04期

4 张静;何明一;戴玉超;屈晓刚;;多特征融合的圆形交通标志检测[J];模式识别与人工智能;2011年02期

5 陈维馨;李翠华;汪哲慎;;基于颜色和形状的道路交通标志检测[J];厦门大学学报(自然科学版);2007年05期

6 张阿珍;刘政林;邹雪城;向祖权;;基于双三次插值算法的图像缩放引擎的设计[J];微电子学与计算机;2007年01期

7 朱双东;张懿;陆晓峰;;三角形交通标志的智能检测方法[J];中国图象图形学报;2006年08期

8 田启川,潘泉,张洪才,程咏梅;Hough变换在虹膜区域分割中的应用[J];计算机应用研究;2005年01期

9 蒋刚毅,郑义,郁梅;基于数学形态学的交通标志自动识别[J];汕头大学学报(自然科学版);1998年01期

相关硕士学位论文 前5条

1 陈贺;中国交通事故死亡状况及酒驾处罚对交通事故死亡率的影响[D];中国疾病预防控制中心;2017年

2 张鹏;基于改进卷积神经网络的交通标志牌识别算法研究[D];吉林大学;2017年

3 谭贞刚;基于多分辨率卷积网络的交通标志检测与识别[D];大连理工大学;2015年

4 王洋;一种基于模板匹配的交通标志识别方法[D];吉林大学;2013年

5 白璐;基于图像处理的车牌识别系统的研究[D];长安大学;2010年

本文编号：2659788