隨著國內(nèi)汽車數(shù)量逐年遞增,道路交通安全問題日益受到人們的重視。作為汽車高級輔助駕駛系統(tǒng)的重要組成單元,交通標志識別可以使汽車主動獲取道路信息,從而對危險的駕駛行為進行提醒或制止。交通標志識別包含交通標志檢測和交通標志分類兩個部分,前者用來獲取交通標志的位置信息,后者用來判定交通標志的具體類別。目前相關(guān)學者在交通標志識別方法的研究上已取得一定進展,然而由于交通標志目標小、種類多、所處環(huán)境復雜等因素,識別的精度仍有很大的提升空間。針對上述問題,本文對國內(nèi)外已有研究成果進行了總結(jié),在此基礎(chǔ)上采用深度學習的方法來設(shè)計交通標志識別算法,主要工作有如下:（1）交通標志檢測部分,基于候選區(qū)域的思想進行檢測算法的設(shè)計。構(gòu)造了多尺度卷積核的Res Ne Xt來作為檢測算法的主干網(wǎng)絡,并采用多層特征融合策略來提高小目標交通標志的檢測精度。其次,提出了基于聚類的錨框生成策略來進一步降低交通標志的漏檢與誤檢。最后,通過候選框篩選機制來改進非極大值抑制算法,從而提高整體檢測算法的處理效率。（2）交通標志分類部分,構(gòu)建了一種雙路網(wǎng)絡結(jié)構(gòu)的交通標志分類算法,采用Mobile Net+Res Net50的雙路網(wǎng)絡結(jié)構(gòu)... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：74 頁

【學位級別】：碩士

【部分圖文】：

警告標志示意

重慶郵電大學碩士學位論文第2章交通標志識別相關(guān)技術(shù)原理8（2）禁令標志。禁令標志主要用于禁止車輛、駕駛員的某些交通行為，標志形狀多為圓形，標志顏色大多為白色底色、紅色邊框與黑色圖案，圖2.2為常見的幾種禁令標志示例。圖2.2禁令標志示意（3）指示標志。指示標志主要提供道路的指向與行進信息，標志形狀多為圓形或方形，標志顏色大多為藍色底色、白色邊框與白色圖案，圖2.3位常見的幾種指示標志示例。圖2.3指示標志示意2.1.2交通標志數(shù)據(jù)集截至目前，無論國外還是國內(nèi)仍沒有一個官方的、標準的交通標志數(shù)據(jù)集，許多研究人員都是在自己收集或是一些研究團隊公開的數(shù)據(jù)集上進行實驗。這其中，最為廣泛使用的是用于分類的德國交通標志分類基準(GermanTrafficSignRecognitionBenchmark,GTSRB)[33]和用于檢測的德國交通標志檢測基準(GermanTrafficSignDetectionBenchmark,GTSDB)[34]，這兩個數(shù)據(jù)集分別于2011年和2013年的InternationalJointConferenceonNeuralNetworks會議上被提出，主要用來給機器視覺、模式識別以及自動駕駛領(lǐng)域的研究人員評測交通標志檢測與分類算法。然而由于每個國家的交通規(guī)則不盡相同，交通標志也都略有差異，采用GTSRB或GTSDB訓練出的模型不具有泛用性，因此各個國家的研究人員也都制作并發(fā)布了自己國家的交通標志數(shù)據(jù)集，包括比利時交通標志數(shù)據(jù)集、美國圣迭戈交通標志數(shù)據(jù)集等。我國目前主要有中國交通標志檢測基準(ChineseTrafficSignDetection

重慶郵電大學碩士學位論文第2章交通標志識別相關(guān)技術(shù)原理8（2）禁令標志。禁令標志主要用于禁止車輛、駕駛員的某些交通行為，標志形狀多為圓形，標志顏色大多為白色底色、紅色邊框與黑色圖案，圖2.2為常見的幾種禁令標志示例。圖2.2禁令標志示意（3）指示標志。指示標志主要提供道路的指向與行進信息，標志形狀多為圓形或方形，標志顏色大多為藍色底色、白色邊框與白色圖案，圖2.3位常見的幾種指示標志示例。圖2.3指示標志示意2.1.2交通標志數(shù)據(jù)集截至目前，無論國外還是國內(nèi)仍沒有一個官方的、標準的交通標志數(shù)據(jù)集，許多研究人員都是在自己收集或是一些研究團隊公開的數(shù)據(jù)集上進行實驗。這其中，最為廣泛使用的是用于分類的德國交通標志分類基準(GermanTrafficSignRecognitionBenchmark,GTSRB)[33]和用于檢測的德國交通標志檢測基準(GermanTrafficSignDetectionBenchmark,GTSDB)[34]，這兩個數(shù)據(jù)集分別于2011年和2013年的InternationalJointConferenceonNeuralNetworks會議上被提出，主要用來給機器視覺、模式識別以及自動駕駛領(lǐng)域的研究人員評測交通標志檢測與分類算法。然而由于每個國家的交通規(guī)則不盡相同，交通標志也都略有差異，采用GTSRB或GTSDB訓練出的模型不具有泛用性，因此各個國家的研究人員也都制作并發(fā)布了自己國家的交通標志數(shù)據(jù)集，包括比利時交通標志數(shù)據(jù)集、美國圣迭戈交通標志數(shù)據(jù)集等。我國目前主要有中國交通標志檢測基準(ChineseTrafficSignDetection

【參考文獻】：
期刊論文
[1]世界衛(wèi)生組織發(fā)布《2018年全球道路安全現(xiàn)狀報告》[J]. 張亞麗.  中華災害救援醫(yī)學. 2019(02)
[2]基于深度學習的交通標志識別[J]. 喬堃,顧晗洲,劉家銘.  信息技術(shù)與信息化. 2017(12)
[3]自然背景下交通標志牌的檢測方法研究[J]. 鄭揮,郭唐儀,王建博,朱周.  現(xiàn)代交通技術(shù). 2017(03)
[4]基于顯著圖與傅里葉描述子的交通標志檢測[J]. 余超超,侯進,侯長征.  計算機工程. 2017(05)
[5]基于顏色和形狀的道路交通標志檢測[J]. 譚兵,高歌,陳心睿.  現(xiàn)代商貿(mào)工業(yè). 2017(13)
[6]一種改進的交通標志圖像識別算法[J]. 徐巖,韋鎮(zhèn)余.  激光與光電子學進展. 2017(02)
[7]基于PNN的退化交通標志圖像的識別算法研究[J]. 李倫波,馬廣富.  電子與信息學報. 2008(07)

碩士論文
[1]基于深度神經(jīng)網(wǎng)絡的微小路標識別技術(shù)研究[D]. 鐘傳平.西南交通大學 2018



本文編號：3417235