本文關(guān)鍵詞：基于DNN技術(shù)的交通標(biāo)志識(shí)別方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：交通標(biāo)志識(shí)別作為智能駕駛系統(tǒng)的重要組成部分,是圖像處理、模式識(shí)別、機(jī)器視覺(jué)等多學(xué)科交叉研究的典型應(yīng)用,也是智能駕駛系統(tǒng)研究領(lǐng)域中尚未解決的難題之一,是難度較大的實(shí)景圖形識(shí)別。因此,近年來(lái),如何高效地對(duì)交通標(biāo)志進(jìn)行識(shí)別已成為學(xué)術(shù)研究和工業(yè)應(yīng)用的熱點(diǎn)課題。本文首先整理介紹了國(guó)內(nèi)外交通標(biāo)志識(shí)別算法的發(fā)展現(xiàn)狀及理論研究成果,如基于統(tǒng)計(jì)分類(lèi)的最近鄰域法、相似系數(shù)法、聚類(lèi)分析法、決策樹(shù)和匹配投影法,基于像素級(jí)或特征級(jí)的模板匹配法,句法分類(lèi)和集成分類(lèi)法等多種識(shí)別算法,詳細(xì)介紹了機(jī)器學(xué)習(xí)中深度神經(jīng)網(wǎng)絡(luò)(DNN)算法,并對(duì)其進(jìn)行仔細(xì)研究,將其應(yīng)用到交通標(biāo)志識(shí)別上。本文主要開(kāi)展工作如下:(1)基于DNN技術(shù)的交通標(biāo)志識(shí)別。研究確定交通標(biāo)志識(shí)別采用的預(yù)處理方式及最佳DNN結(jié)構(gòu)。在同一樣本數(shù)據(jù)集上進(jìn)行了六種不同的預(yù)處理,分別組成不同的預(yù)處理訓(xùn)練集,同時(shí),對(duì)深度神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行研究,在卷積核大小、子采樣窗口大小、批量樣本數(shù)、特征圖數(shù)目幾個(gè)方面進(jìn)行實(shí)驗(yàn)調(diào)整,確定了每個(gè)訓(xùn)練樣本集上的最佳DNN結(jié)構(gòu),并分析網(wǎng)絡(luò)結(jié)構(gòu)與不同預(yù)處理方式之間的對(duì)應(yīng)關(guān)系。(2)基于多列深度神經(jīng)網(wǎng)絡(luò)(MCDNN)的交通標(biāo)志識(shí)別及優(yōu)化策略研究。構(gòu)造多列深度神經(jīng)網(wǎng)絡(luò),研究對(duì)輸入圖像進(jìn)行不同的預(yù)處理,選擇對(duì)每類(lèi)預(yù)處理后的訓(xùn)練集識(shí)別效果最佳的多列DNN結(jié)構(gòu),組成一個(gè)MCDNN,并將模糊數(shù)學(xué)的思想應(yīng)用到各列DNN輸出的綜合評(píng)判上。對(duì)各列的輸出分別采用綜合隸屬度判決和離散隸屬度判決兩種方式,根據(jù)最大隸屬度原則對(duì)輸入圖像進(jìn)行最終分類(lèi),并與單列的DNN識(shí)別結(jié)果進(jìn)行比較。實(shí)驗(yàn)表明,深度神經(jīng)網(wǎng)絡(luò)不必經(jīng)過(guò)繁瑣的調(diào)整與修改,就能夠很好的應(yīng)用于交通標(biāo)志識(shí)別,并取得較好的實(shí)驗(yàn)效果。當(dāng)預(yù)處理方式存在差異時(shí),其最佳網(wǎng)絡(luò)結(jié)構(gòu)各不相同,體現(xiàn)了網(wǎng)絡(luò)結(jié)構(gòu)與預(yù)處理結(jié)果之間存在著聯(lián)系。并且在采用集成更多種預(yù)處理方法的訓(xùn)練集上,識(shí)別效果并不理想。同時(shí)對(duì)同一樣本數(shù)據(jù)集采用不同的預(yù)處理方式,在其上構(gòu)建多列深度神經(jīng)網(wǎng)絡(luò),并對(duì)多列的輸出結(jié)果進(jìn)行模糊判決,取得了優(yōu)于單列DNN的識(shí)別效果。
【關(guān)鍵詞】：交通標(biāo)志 深度神經(jīng)網(wǎng)絡(luò) 多列深度神經(jīng)網(wǎng)絡(luò) 模糊判決
【學(xué)位授予單位】：沈陽(yáng)工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.41;TP183
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-19
• 1.1 課題的背景與意義9-10
• 1.2 國(guó)內(nèi)外發(fā)展現(xiàn)狀10-14
• 1.2.1 國(guó)外研究動(dòng)態(tài)10-12
• 1.2.2 國(guó)內(nèi)研究動(dòng)態(tài)12-14
• 1.2.3 主要研究成果及應(yīng)用14
• 1.3 交通標(biāo)志的識(shí)別難點(diǎn)14-16
• 1.4 研究?jī)?nèi)容16-17
• 1.5 章節(jié)安排17-18
• 1.6 本章小結(jié)18-19
• 第2章 相關(guān)技術(shù)介紹19-29
• 2.1 主流交通標(biāo)志識(shí)別方法19-24
• 2.1.1 統(tǒng)計(jì)分類(lèi)法19-21
• 2.1.2 模板匹配法21-22
• 2.1.3 句法分類(lèi)法22
• 2.1.4 機(jī)器學(xué)習(xí)法22-24
• 2.1.5 集成分類(lèi)法24
• 2.2 深度神經(jīng)網(wǎng)絡(luò)24-28
• 2.2.1 深度神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)25-26
• 2.2.2 局部感受野和權(quán)值共享26-27
• 2.2.3 訓(xùn)練過(guò)程27-28
• 2.3 模糊劃分28
• 2.4 本章小結(jié)28-29
• 第3章 基于深度神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別29-46
• 3.1 研究對(duì)象29-30
• 3.2 實(shí)驗(yàn)數(shù)據(jù)及預(yù)處理30-36
• 3.2.1 二值化32
• 3.2.2 直方圖均衡化32-33
• 3.2.3 自適應(yīng)直方圖均衡化33-34
• 3.2.4 形態(tài)學(xué)處理34-35
• 3.2.5 對(duì)比度調(diào)整35
• 3.2.6 集成預(yù)處理35-36
• 3.3 網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù)的確定36-40
• 3.3.1 卷積核與子采樣窗口大小的確定36-37
• 3.3.2 批量訓(xùn)練樣本數(shù)與特征圖數(shù)的確定37-40
• 3.4 實(shí)驗(yàn)結(jié)果及分析40-45
• 3.5 本章小結(jié)45-46
• 第4章 多列深度神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別及其改進(jìn)46-54
• 4.1 多列深度神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)46-49
• 4.1.1 MCDNN設(shè)計(jì)思路46-47
• 4.1.2 深度神經(jīng)網(wǎng)絡(luò)優(yōu)化策略47-48
• 4.1.3 實(shí)驗(yàn)數(shù)據(jù)48-49
• 4.2 多列深度神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)與優(yōu)化49-53
• 4.2.1 多列深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定49-50
• 4.2.2 模糊判決50-52
• 4.2.3 實(shí)驗(yàn)結(jié)果及分析52-53
• 4.3 本章小結(jié)53-54
• 第5章 結(jié)論54-55
• 參考文獻(xiàn)55-59
• 在學(xué)研究成果59-60
• 致謝60

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 房澤平;段建民;鄭榜貴;;基于特征顏色和SNCC的交通標(biāo)志識(shí)別與跟蹤[J];交通運(yùn)輸系統(tǒng)工程與信息;2014年01期

2 邢健飛;羅志增;席旭剛;;基于深度神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)人臉識(shí)別[J];杭州電子科技大學(xué)學(xué)報(bào);2013年06期

3 蔡自興;谷明琴;;Traffic sign recognition algorithm based on shape signature and dual-tree complex wavelet transform[J];Journal of Central South University;2013年02期

4 呂剛;;基于卷積神經(jīng)網(wǎng)絡(luò)的多字體字符識(shí)別[J];浙江師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

5 杜梅;趙懷慈;;手寫(xiě)數(shù)字識(shí)別的研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年15期

6 王楠;劉威;陳雪;袁淮;劉積仁;;基于多線(xiàn)索混合的交通標(biāo)志檢測(cè)與跟蹤[J];控制與決策;2010年08期

7 王躍明;潘綱;吳朝暉;;三維人臉識(shí)別研究綜述[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2008年07期

8 朱雙東;劉蘭蘭;陸曉峰;;一種用于道路交通標(biāo)志識(shí)別的顏色—幾何模型[J];儀器儀表學(xué)報(bào);2007年05期

9 朱雙東;張懿;陸曉峰;;三角形交通標(biāo)志的智能檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);2006年08期

10 王坤明,許忠仁;基于不變矩和神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法研究[J];計(jì)算機(jī)應(yīng)用研究;2004年03期

  本文關(guān)鍵詞：基于DNN技術(shù)的交通標(biāo)志識(shí)別方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：302540