【摘要】：在車輛無(wú)人駕駛和輔助駕駛的領(lǐng)域中,交通標(biāo)志檢測(cè)、識(shí)別相關(guān)的算法是其重要的研究課題,這些算法在性能上的好壞直接影響機(jī)動(dòng)車在道路交通中的行駛安全。尤其是智能化浪潮下的今天,怎樣做到交通標(biāo)志檢測(cè)、識(shí)別的準(zhǔn)確性、實(shí)時(shí)性、穩(wěn)定性和抗干擾性,一直都是重點(diǎn)的研究?jī)?nèi)容。本文研究的課題是使用“CNN卷積神經(jīng)網(wǎng)絡(luò)”的方法,來(lái)做交通標(biāo)志檢測(cè)、識(shí)別相關(guān)算法的研究,重點(diǎn)研究如下:(1)提出了一種基于改進(jìn)SSD網(wǎng)絡(luò)模型的交通標(biāo)志檢測(cè)算法。原SSD模型對(duì)交通標(biāo)志這樣小目標(biāo)的檢測(cè)會(huì)出現(xiàn)性能下降的問(wèn)題。首先,通過(guò)CNN中的“感受野”分析了相關(guān)原因,認(rèn)為原模型頂部相關(guān)的網(wǎng)絡(luò)層對(duì)局部和細(xì)節(jié)特征的提取能力不足才導(dǎo)致此問(wèn)題的發(fā)生;針對(duì)相關(guān)原因,提出改進(jìn)方法:對(duì)原模型添加“特征融合模塊”,顯著提高了原模型對(duì)交通標(biāo)志這樣小目標(biāo)的檢測(cè)性能;將原模型中的部分網(wǎng)絡(luò)層替換為“改進(jìn)的Inception網(wǎng)絡(luò)層”,可以最小化模型的計(jì)算成本,保持原模型“快速檢測(cè)”的優(yōu)點(diǎn),且多尺度卷積核數(shù)量的增加,進(jìn)一步提高了交通標(biāo)志檢測(cè)的性能;還優(yōu)化了原模型中額外層的結(jié)構(gòu),繼續(xù)降低了模型計(jì)算的參數(shù)量。在GTSDB公共數(shù)據(jù)集上做相關(guān)實(shí)驗(yàn),改進(jìn)方法的mAP值達(dá)到了0.894,解決了此前原模型出現(xiàn)性能下降的問(wèn)題。(2)提出了一種基于ResNet殘差網(wǎng)絡(luò)模型的交通標(biāo)志識(shí)別方法。首先,通過(guò)“角度旋轉(zhuǎn)”的方式對(duì)數(shù)據(jù)集進(jìn)行擴(kuò)容,避免了模型訓(xùn)練過(guò)程中過(guò)度擬合問(wèn)題的發(fā)生;其次,將數(shù)據(jù)集圖片轉(zhuǎn)換為“YUV顏色空間”,YUV相比RGB顏色空間會(huì)讓網(wǎng)絡(luò)模型提取的特征更加有效,進(jìn)一步提高模型的分類精度;設(shè)計(jì)了一種“六塊結(jié)構(gòu)的ResNet殘差網(wǎng)絡(luò)模型”用于交通標(biāo)志的識(shí)別,其可以提取更深層次的特征,并防止它們被過(guò)度使用;最終,將數(shù)據(jù)集進(jìn)入設(shè)計(jì)的模型中訓(xùn)練、測(cè)試,在GTSRB公共數(shù)據(jù)集上做相關(guān)實(shí)驗(yàn),提出方法的測(cè)試精度達(dá)到了99.72%,優(yōu)于目前眾多的方法。
【學(xué)位授予單位】：五邑大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP391.41;TP183;U463.6
【圖文】：

交通標(biāo)志通常會(huì)被安放在道路兩邊或者道路正上方。從交通標(biāo)志的位置上來(lái)講，其并不在駕駛員的正前方，故駕駛員很容易忽視標(biāo)志的存在，這樣就會(huì)對(duì)駕駛車輛造成極大的危險(xiǎn)。TSR 系統(tǒng)就能夠很好地輔助司機(jī)的駕駛行為，還能夠在危險(xiǎn)時(shí)刻自動(dòng)控制車輛防范相關(guān)風(fēng)險(xiǎn)。從未來(lái)機(jī)動(dòng)車的研究方向上來(lái)說(shuō)，一定是偏向無(wú)人駕駛的研究。TSR 系統(tǒng)能夠車聯(lián)實(shí)時(shí)接收道路交通標(biāo)志的信息，迅速切換駕駛模式、駕駛速度等參數(shù)，可以說(shuō) TSR 系統(tǒng)是車輛無(wú)人駕駛系統(tǒng)中最為重要的子系統(tǒng)之一。當(dāng)前，交通標(biāo)志識(shí)別還面臨一些嚴(yán)峻的挑戰(zhàn)：（1）由于交通標(biāo)志長(zhǎng)期處于無(wú)遮擋的環(huán)境中，故標(biāo)志很容易出現(xiàn)顏色脫落，標(biāo)志污損的狀況；（2）由于交通標(biāo)志的識(shí)別是通過(guò)相機(jī)進(jìn)行拍攝采集，故光照強(qiáng)度、雨雪和霧霾等天氣狀況都會(huì)對(duì)采集的圖像造成較大的影響；（3）由于交通標(biāo)志的采集都是在汽車的行駛中完成，故行駛中顛簸的汽車還會(huì)造成采集到的交通標(biāo)志圖像存在運(yùn)動(dòng)模糊和歪斜的狀況。如圖 1-1 所示：

1-2 TSR 系統(tǒng)的三個(gè)-2 Three parts of the 人提出 ADIS 系parking”這個(gè)交通邊緣信息進(jìn)行邊出了一整套較為ture Code”來(lái)分隔要 4.2s，識(shí)別交通出了一種新的交的檢測(cè)，利用“模

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 胡悅;;金融市場(chǎng)中的神經(jīng)網(wǎng)絡(luò)拐點(diǎn)預(yù)測(cè)法[J];金融經(jīng)濟(jì);2017年18期

2 馬猛;王明紅;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的304不銹鋼車削加工表面粗糙度預(yù)測(cè)[J];輕工機(jī)械;2019年06期

3 王方;苗放;陳墾;;基于優(yōu)化神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警仿真[J];計(jì)算機(jī)仿真;2019年11期

4 遲惠生;陳珂;;1995年世界神經(jīng)網(wǎng)絡(luò)大會(huì)述評(píng)[J];國(guó)際學(xué)術(shù)動(dòng)態(tài);1996年01期

5 吳立可;;脈沖神經(jīng)網(wǎng)絡(luò)和行為識(shí)別[J];通訊世界;2018年12期

6 林嘉應(yīng);鄭柏倫;劉捷;;基于卷積神經(jīng)網(wǎng)絡(luò)的船舶分類模型[J];信息技術(shù)與信息化;2019年02期

7 俞頌華;;卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展與應(yīng)用綜述[J];信息通信;2019年02期

8 韓真;凱文·哈特尼特;;為神經(jīng)網(wǎng)絡(luò)的通用理論建造基石[J];世界科學(xué);2019年04期

9 鮑偉強(qiáng);陳娟;熊濤;;基于進(jìn)化神經(jīng)網(wǎng)絡(luò)的短期電力負(fù)荷預(yù)測(cè)研究[J];電工技術(shù);2019年11期

10 陳曉燕;;淺析簡(jiǎn)單神經(jīng)網(wǎng)絡(luò)的發(fā)展及簡(jiǎn)單模型[J];數(shù)字技術(shù)與應(yīng)用;2019年05期

相關(guān)會(huì)議論文 前10條

1 孫軍田;張U

本文編號(hào)：2727586