道路前方交通标志识别算法研究

发布时间：2021-05-31 18:42

　　目标检测与模式识别是计算机视觉领域的重要研究课题,该研究主要利用机器的自主学习来检测图像中是否存在目标并识别定位该目标。交通标志的检测与识别是基于计算机视觉的固定目标检测技术,是道路安全管理、高级辅助驾驶和无人驾驶等应用中的重要组成部分,并与城市交通安全密切相关,其研究具有重要的理论和实际应用价值。基于深度学习的交通标志检测与分类方法具有检测速度快、识别精度高、和成本少等优势,是机器视觉领域的重点研究方向。但是自然道路下的交通标志识别算法,依旧存在检测速率慢、漏检错检率高和识别精度低等问题。所以,本文的研究工作围绕这些问题开展。视觉传感器符合人类获取信息的习惯,在车载辅助系统中被广泛应用。由于交通标志大多出现在车辆前方,本文选用单目相机作为获取车辆前方信息的工具,研究基于视觉的道路前方交通标志的检测方法。本文主要工作如下:（1）研究基于卷积神经网络的交通标志检测方法。针对常见检测方法难以达到实时的问题,本文通过结合特征级联,难分类负样本采集,多尺度训练和关键参数的适当校准等多种方法来改进快速卷积神经网络模型。首先预训练模型,以便产生否定;然后,使用难分类负样本采集将负样本输入到网络中,... 

【文章来源】：安徽工程大学安徽省

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

图２－５最大池化操作过程??

像进行目标分类检测为目的，一次性预测每个格子所含目标的边界框、定位置信??度（ｃｏｎｆｉｄｅｎｃｅ）和所有类别概率，通过不断训练，调整权值参数，最终在图像??上描出分类检测到的目标边框［４５］。其流程如图３－４所示。??２５??

图３－５ＹＯＬＯｖ２网络结构图??

【参考文献】：
期刊论文
[1]中华人民共和国2017年国民经济和社会发展统计公报[J].   中国统计. 2018(03)
[2]对多层前向神经网络研究的几点看法[J]. 阎平凡.  自动化学报. 1997(01)

博士论文
[1]深度学习在遥感影像目标检测和地表覆盖分类中的应用研究[D]. 邰建豪.武汉大学 2017
[2]复杂大背景下交通标志快速鲁棒的检测和识别研究[D]. 刘春生.山东大学 2016
[3]自然场景下交通标志检测和分类算法研究[D]. 徐丹.南京理工大学 2015

硕士论文
[1]基于深度卷积神经网络和图像传感器的道路多目标检测研究[D]. 谢一德.北京交通大学 2018
[2]基于人脸检测YOLO算法的专用型卷积神经网络推理加速器的研究与设计[D]. 罗聪.华南理工大学 2018
[3]基于机器学习的交通标志检测与分类方法研究[D]. 曹继承.电子科技大学 2018
[4]基于深度学习的交通标志识别[D]. 尹武松.电子科技大学 2018
[5]基于深度神经网络的司机行为识别技术研究与实现[D]. 杨林川.电子科技大学 2018
[6]基于毫米波雷达与机器视觉融合的前方车辆检测研究[D]. 王亚丽.吉林大学 2013



本文编号：3208767