本文選題：限速標(biāo)志 + 實(shí)時(shí)識(shí)別�。� 參考：《吉林大學(xué)》2017年碩士論文

【摘要】：限速標(biāo)志是常見且重要的禁令標(biāo)志,限速數(shù)字為駕駛?cè)颂峁┑缆废拗扑俣?引導(dǎo)駕駛?cè)税踩{駛。但是駕駛?cè)顺?huì)忽視道路上的限速標(biāo)志,例如在開車時(shí)打手機(jī)、與乘客聊天或者限速標(biāo)志處于視覺盲區(qū),致使車輛行駛速度過快,造成交通違法,發(fā)生交通事故。因此,限速標(biāo)志識(shí)別及警示系統(tǒng)的開發(fā)可有效地減少交通事故的發(fā)生,保障駕駛?cè)说纳?cái)產(chǎn)安全。本文基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行了車載限速標(biāo)志實(shí)時(shí)識(shí)別及警示系統(tǒng)的開發(fā),主要開展了以下幾項(xiàng)工作:對(duì)國內(nèi)外交通標(biāo)志識(shí)別、深度學(xué)習(xí)及相關(guān)系統(tǒng)的研究現(xiàn)狀進(jìn)行了分析,對(duì)限速標(biāo)志自身的形狀、紋理特征及設(shè)置方式、設(shè)置位置特征進(jìn)行了分析;然后對(duì)該系統(tǒng)潛在用戶的需求、系統(tǒng)開發(fā)的技術(shù)難點(diǎn)進(jìn)行了分析,對(duì)系統(tǒng)的操作方法及運(yùn)行界面進(jìn)行了介紹;通過分析現(xiàn)狀,選擇了相應(yīng)的硬件設(shè)備配置進(jìn)行系統(tǒng)開發(fā);而后通過分析各自的特點(diǎn)和優(yōu)勢,選擇Open CV作為系統(tǒng)開發(fā)的數(shù)據(jù)庫,選擇Hierarchical Data Format作為編程過程中進(jìn)行圖像處理的數(shù)據(jù)格式。進(jìn)行圖像預(yù)處理及限速標(biāo)志定位。首先根據(jù)車輛的運(yùn)行狀態(tài)和駕駛?cè)说囊曊J(rèn)特性對(duì)程序的處理頻率進(jìn)行了分析,并根據(jù)限速標(biāo)志分布位置特征進(jìn)行交通標(biāo)志粗定位;然后基于HSV空間顏色模型進(jìn)行顏色分割,而后進(jìn)行形態(tài)學(xué)濾波,對(duì)圖像進(jìn)行預(yù)處理;接著結(jié)合長寬檢測與霍夫圓變換檢測方法進(jìn)行了圓形標(biāo)志精確定位,并利用限速標(biāo)志的灰度分布及數(shù)字分布特征進(jìn)行了偽目標(biāo)排除,從而精確定位限速標(biāo)志位置�；诰矸e神經(jīng)網(wǎng)絡(luò)對(duì)限速標(biāo)志圖像進(jìn)行了識(shí)別。首先對(duì)截取后的圖像進(jìn)行預(yù)處理,即對(duì)待檢測圖像進(jìn)行圖像增強(qiáng)和歸一化處理兩個(gè)階段的處理,并通過對(duì)大量圖像進(jìn)行分析判斷得出無需對(duì)限速標(biāo)志進(jìn)行傾斜校正;然后構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型,即Le Net-5模型,包括卷積核為5×5的卷積層、采用最大池化法的池化層、Dropout層及全連接層,激活函數(shù)為Re LU函數(shù),運(yùn)用Softmax分類器進(jìn)行分類;接著選用GTSRB數(shù)據(jù)集及實(shí)車采集的部分圖像作為數(shù)據(jù)集,基于Caffe深度學(xué)習(xí)框架進(jìn)行訓(xùn)練和測試。對(duì)限速標(biāo)志實(shí)時(shí)識(shí)別及警示系統(tǒng)進(jìn)行了系統(tǒng)開發(fā)及道路試驗(yàn)性能測試。首先,對(duì)系統(tǒng)的開發(fā)過程進(jìn)行了介紹;其次,基于Caffe深度學(xué)習(xí)框架對(duì)系統(tǒng)進(jìn)行了訓(xùn)練與測試,并對(duì)其結(jié)果進(jìn)行了分析總結(jié),即分別分析訓(xùn)練學(xué)習(xí)率、測試準(zhǔn)確率、損失函數(shù)與迭代次數(shù)的關(guān)系,在訓(xùn)練過程中,系統(tǒng)呈現(xiàn)較好的收斂性,并且在測試過程中達(dá)到97%的測試準(zhǔn)確率;最后對(duì)系統(tǒng)進(jìn)行性能測試,經(jīng)過測試,該系統(tǒng)對(duì)于不同安卓設(shè)備具有很強(qiáng)的兼容性,并通過實(shí)車試驗(yàn)驗(yàn)證該系統(tǒng)的性能。在不同車速狀態(tài)下,限速標(biāo)志實(shí)時(shí)識(shí)別與警示系統(tǒng)的識(shí)別準(zhǔn)確率均能夠達(dá)到85%以上,最高可達(dá)94%,并且通過試驗(yàn)過程發(fā)現(xiàn)了其具有較強(qiáng)的實(shí)時(shí)性、系統(tǒng)穩(wěn)定性以及識(shí)別魯棒性。
[Abstract]:Speed limit sign is a common and important ban sign. The speed limit number provides the driver with road speed limit to guide the driver to drive safely. However, drivers often ignore the speed limit signs on the road, such as talking to passengers on their mobile phones while driving, chatting with passengers or having speed limit signs in the visual blind area, which causes vehicles to travel too fast, causing traffic violations and traffic accidents. Therefore, the development of speed limit sign identification and warning system can effectively reduce the occurrence of traffic accidents and ensure the safety of driver's life and property. In this paper, based on convolution neural network, the real time recognition and warning system of vehicle speed limit sign is developed. The main work is as follows: the research status of traffic sign recognition, depth learning and related systems at home and abroad are analyzed. This paper analyzes the shape, texture feature and setting mode of the speed limit sign, then analyzes the demand of the potential users of the system and the technical difficulties of the system development. This paper introduces the operation method and running interface of the system, selects the corresponding hardware equipment configuration to develop the system through analyzing the present situation, and then chooses Open CV as the database of the system development by analyzing their characteristics and advantages. Hierarchical data format is selected as the data format for image processing. Image preprocessing and speed limit location are carried out. Firstly, the processing frequency of the program is analyzed according to the running state of the vehicle and the recognition characteristic of the driver, and the rough location of the traffic sign is carried out according to the distribution feature of the speed limit sign, and then the color segmentation is carried out based on the HSV space color model. Then the morphological filter is used to preprocess the image, and then the circular mark is located accurately by combining the length and width detection with the Hough circle transform detection method, and the pseudo-target is excluded by using the grayscale and digital distribution characteristics of the speed limit sign. Thus accurate positioning speed limit mark position. Based on convolution neural network, the speed limit image is recognized. Firstly, the image is preprocessed, that is, image enhancement and normalization are processed to detect image, and through analyzing and judging a large number of images, it is concluded that there is no need for skew correction of the speed limit sign. Then a convolution neural network model, Le Net-5 model, is constructed, which includes convolution layer with convolution kernel of 5 脳 5, Dropout layer with maximum pool method and full connection layer, activation function with re LU function, and classification with Softmax classifier. Then GTSRB data set and some images collected by real vehicle are selected as data sets, which are trained and tested based on Caffe depth learning framework. The real-time recognition and warning system of speed limit sign is developed and the performance of road test is tested. First of all, the development process of the system is introduced. Secondly, the system is trained and tested based on Caffe depth learning framework, and the results are analyzed and summarized, that is, the training learning rate and the test accuracy are analyzed respectively. The relationship between the loss function and the number of iterations, in the process of training, the system shows good convergence, and in the process of testing, the accuracy of the test is 97%. Finally, the performance of the system is tested, and the system is tested. The system has strong compatibility with different Android devices, and the performance of the system is verified by a real car test. Under different speed conditions, the recognition accuracy of speed limit sign and warning system can reach more than 85%, and the highest recognition accuracy can reach 94%. Through the experiment, it is found that the system has strong real-time, system stability and recognition robustness.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;U463.6;U495

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃彥鈞;“立體式”公路限速標(biāo)志[J];發(fā)明與創(chuàng)新;2003年08期

2 朱履生;丁胤福;;限速標(biāo)志是安全“保護(hù)傘”[J];道路交通管理;2008年12期

3 辛梅松;;不看限速標(biāo)志一天5次違法[J];道路交通管理;2008年10期

4 龍先軍;張炎;閆柱;;公路限速標(biāo)志設(shè)置的位置研究[J];西部交通科技;2010年09期

5 陸建;姜軍;葉海飛;;普通公路路側(cè)限速標(biāo)志設(shè)置位置的確定方法[J];長安大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

6 韓鳳春;宋克珠;陳艷艷;楊義常;;限速標(biāo)志設(shè)置的合理嗎?[J];汽車與安全;2007年04期

7 賈洪飛;司銀霞;曹鵬;;城市道路中限速標(biāo)志設(shè)置及其有效性分析[J];人類工效學(xué);2006年04期

8 張瑾;熊堅(jiān);王永清;郭鳳香;;限速標(biāo)志警示能力模擬試驗(yàn)[J];公路交通科技(應(yīng)用技術(shù)版);2007年07期

9 謝雄軍;;高速公路限速問題研究——科學(xué)設(shè)置限速標(biāo)志 創(chuàng)和諧高效高速公路[J];湖南公安高等�？茖W(xué)校學(xué)報(bào);2009年05期

10 郝滿良;;沒有限速標(biāo)志的地方也限速[J];駕駛園;2010年10期

相關(guān)會(huì)議論文 前1條

1 金明新;田晉躍;;高速公路養(yǎng)護(hù)作業(yè)警告區(qū)最小長度和限速標(biāo)志設(shè)置的探討[A];江蘇省公路學(xué)會(huì)優(yōu)秀論文集（2006-2008）[C];2009年

相關(guān)重要報(bào)紙文章 前10條

1 湯遠(yuǎn)堯　林蘭;市公路部門規(guī)范國省干線限速標(biāo)志[N];鎮(zhèn)江日報(bào);2008年

2 記者 高月英　實(shí)習(xí)生 楊躍;規(guī)范我省高速公路限速標(biāo)志[N];云南政協(xié)報(bào);2010年

3 記者 張靖 通訊員 祁琦;無限速標(biāo)志道路也有最高限速[N];北京日報(bào);2005年

4 徐益豐;浙江將清理“不合理限速標(biāo)志”[N];中國交通報(bào);2004年

5 馬朝麗;石家莊規(guī)范道路限速標(biāo)志[N];河北日報(bào);2007年

6 符曉 記者 李冰;撤換多處限速標(biāo)志[N];錦州日報(bào);2006年

7 記者 劉愛國 通訊員 張磊強(qiáng);我市部分道路限速標(biāo)志調(diào)整[N];洛陽日報(bào);2006年

8 賈偉利;限速標(biāo)志不合理的路段要調(diào)整[N];石家莊日報(bào);2007年

9 記者 何秋斌　通訊員 韓丹;江蘇全面規(guī)范調(diào)整國省干道限速標(biāo)志牌[N];中國交通報(bào);2008年

10 駐山西首席記者 石中生　特約記者 馬勇;山西整治干線公路限速標(biāo)志[N];中國交通報(bào);2009年

相關(guān)博士學(xué)位論文 前1條

1 曹鵬;高速公路限速標(biāo)志設(shè)置的有效性研究[D];吉林大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 馮超;霧霾天氣下交通限速標(biāo)志識(shí)別技術(shù)研究[D];河北工業(yè)大學(xué);2015年

2 邴雪燕;基于卷積神經(jīng)網(wǎng)絡(luò)的限速標(biāo)志實(shí)時(shí)識(shí)別及警示系統(tǒng)研究[D];吉林大學(xué);2017年

3 高麗英;基于認(rèn)知行為的高速公路限速標(biāo)志設(shè)置間距研究[D];西南交通大學(xué);2011年

4 梁瑤;基于機(jī)器視覺的限速標(biāo)志識(shí)別技術(shù)研究[D];武漢理工大學(xué);2014年

5 武永華;汽車輔助駕駛中矩形限速標(biāo)志識(shí)別的研究與實(shí)現(xiàn)[D];東北大學(xué);2012年

6 田雨佳;基于駕駛員期望的山區(qū)高速公路限速標(biāo)志設(shè)置[D];長安大學(xué);2010年

7 司銀霞;限速標(biāo)志對(duì)駕駛行為影響研究[D];吉林大學(xué);2006年

8 劉玉潔;限速標(biāo)志識(shí)別算法的研究與實(shí)現(xiàn)[D];東北大學(xué);2010年

9 蔣德成;區(qū)域高速公路網(wǎng)動(dòng)態(tài)誘導(dǎo)與限速標(biāo)志配置方法研究[D];長安大學(xué);2014年

10 李丹丹;高速公路減速設(shè)施的設(shè)置與應(yīng)用[D];長安大學(xué);2011年

，

本文編號(hào)：2064212