發(fā)布時間：2021-08-16 08:51

　　交通標(biāo)志主要包括四類,第一類通常是藍(lán)色背景上有白色圖案的圓形或矩形,也就是常說的交通指示標(biāo)志,用于指示車輛前方可直行、繞行或者左右轉(zhuǎn)等;第二類是大多為黃底黑邊的等邊三角形,稱其為交通警告標(biāo)志,如警示行駛車輛前方可能會有落石、前方急轉(zhuǎn)彎慢行等;第三類是通常為紅斜杠黑色圖案的圓形,稱為禁令標(biāo)志,如提醒駕駛員此處禁止通行、禁止泊車等;第四類是通常為藍(lán)底白字矩形的指路標(biāo)志,如指示城市、城鎮(zhèn)、鄉(xiāng)村之間的交界、距離目標(biāo)地點的遠(yuǎn)近等,為遠(yuǎn)行駕駛?cè)藛T指明方向。綜上可知,在四種交通標(biāo)志中,交通警告標(biāo)志在車輛行駛安全方面顯得尤為重要,其主要用于提醒駕駛?cè)藛T前方路況不利于行駛、路段可能存在危險,要小心謹(jǐn)慎駕駛。在深度學(xué)習(xí)方法被廣泛應(yīng)用之前,我國對于交通警告標(biāo)志的研究大多是根據(jù)三角形警告標(biāo)志的邊緣信息來進(jìn)行檢測識別的,例如通過尋找警告標(biāo)志的質(zhì)心與頂點位置來對其進(jìn)行定位,然后再對定位好的標(biāo)志進(jìn)行識別,但是這種方法的實時性較差。近些年人們開始用神經(jīng)網(wǎng)絡(luò)的方法對交通警告標(biāo)志進(jìn)行檢測識別,雖然耗時少了,但還是無法達(dá)到實時的基本要求,且準(zhǔn)確率相對不是很高。為了降低由于忽略交通警告標(biāo)志而引發(fā)的交通事故發(fā)生率,本文主要數(shù)據(jù)... 

【文章來源】：長春理工大學(xué)吉林省

【文章頁數(shù)】：68 頁

【學(xué)位級別】：碩士

【部分圖文】：

神經(jīng)元結(jié)構(gòu)示意圖

第2章卷積神經(jīng)網(wǎng)絡(luò)基本理論81()niiiyfwxb(2-1)其中iw為權(quán)重，ix表示第i個輸入，b為偏置量，f)(為神經(jīng)元的激活函數(shù)。在一個神經(jīng)元模型中，對于激活函數(shù)的選擇我是很重要的，一個合適的f()能夠顯著增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力，sigmoid型函數(shù)是在神經(jīng)網(wǎng)絡(luò)的運算中較為常見的一類激活函數(shù)，其中包括logistic函數(shù)(x)和雙曲正切函數(shù)tanh(x):1()1xxe（2-2）tanh()xxxxeexee（2-3）上式（2-2）與（2-3）的函數(shù)圖像如下圖所示：圖2.2logistic函數(shù)圖像圖2.3雙曲正切函數(shù)圖像我們由圖2.2和圖2.3可知，sigmoid型函數(shù)和生物神經(jīng)元相的特點類似。sigmoid

第2章卷積神經(jīng)網(wǎng)絡(luò)基本理論81()niiiyfwxb(2-1)其中iw為權(quán)重，ix表示第i個輸入，b為偏置量，f)(為神經(jīng)元的激活函數(shù)。在一個神經(jīng)元模型中，對于激活函數(shù)的選擇我是很重要的，一個合適的f()能夠顯著增強(qiáng)網(wǎng)絡(luò)的表達(dá)能力，sigmoid型函數(shù)是在神經(jīng)網(wǎng)絡(luò)的運算中較為常見的一類激活函數(shù)，其中包括logistic函數(shù)(x)和雙曲正切函數(shù)tanh(x):1()1xxe（2-2）tanh()xxxxeexee（2-3）上式（2-2）與（2-3）的函數(shù)圖像如下圖所示：圖2.2logistic函數(shù)圖像圖2.3雙曲正切函數(shù)圖像我們由圖2.2和圖2.3可知，sigmoid型函數(shù)和生物神經(jīng)元相的特點類似。sigmoid

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)雜環(huán)境下基于角點回歸的全卷積神經(jīng)網(wǎng)絡(luò)的車牌定位[J]. 羅斌,郜偉,湯進(jìn),王文中,李成龍.  數(shù)據(jù)采集與處理. 2016(01)
[2]跨尺度運動圖像的目標(biāo)檢測與追蹤探究[J]. 王娟,張志勛.  信息技術(shù)與信息化. 2015(09)
[3]自然場景下三角形交通標(biāo)志的檢測與識別[J]. 賈永紅,胡志雄,周明婷,姬偉軍.  應(yīng)用科學(xué)學(xué)報. 2014(04)
[4]基于加權(quán)小波的DCT人臉識別算法研究[J]. 余嘉,方杰,許可.  計算機(jī)工程與應(yīng)用. 2012(17)
[5]一種基于PSO的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法[J]. 郭聰莉,朱莉.  計算機(jī)與信息技術(shù). 2007(Z1)
[6]神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的過擬合問題及解決方法[J]. 李儉川,秦國軍,溫熙森,胡蔦慶.  振動、測試與診斷. 2002(04)
[7]新神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其在數(shù)碼語音識別中的應(yīng)用[J]. 鐘林,劉潤生.  清華大學(xué)學(xué)報(自然科學(xué)版). 2000(03)
[8]利用人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)缺陷類型識別[J]. 陳彥華,李明軒.  應(yīng)用聲學(xué). 1998(02)

博士論文
[1]非均勻光照圖像的灰度校正與分割技術(shù)研究[D]. 魏偉一.蘭州理工大學(xué) 2011

碩士論文
[1]自然環(huán)境下道路交通標(biāo)志的檢測與識別[D]. 王斌.山東大學(xué) 2017
[2]針對圓形和三角形交通標(biāo)志的檢測與識別[D]. 鮑朝前.北京工業(yè)大學(xué) 2015
[3]三角形交通標(biāo)志的檢測方法研究[D]. 何江萍.蘭州大學(xué) 2009
[4]基于視頻圖像處理技術(shù)的運動車輛檢測方法研究[D]. 朱媛媛.長安大學(xué) 2008



本文編號：3345366