近幾年機(jī)動車保有量大幅增加,造成了許多交通安全問題,引起人們的廣泛關(guān)注。道路交通標(biāo)志識別作為智能汽車環(huán)境感知的基礎(chǔ)以及實(shí)現(xiàn)駕駛輔助系統(tǒng)功能的必要條件,對汽車安全性有著重要的作用,同時對實(shí)現(xiàn)車輛自動駕駛、完善智能交通系統(tǒng)、推進(jìn)智慧城市等具有重要意義。道路交通標(biāo)志識別分為交通標(biāo)志牌識別與車道線檢測兩個部分,其中交通標(biāo)志牌識別又分為檢測與識別兩個步驟。本文使用YOLOv3深度學(xué)習(xí)目標(biāo)檢測方法,重新設(shè)計模型中的損失函數(shù),實(shí)現(xiàn)了更加快速準(zhǔn)確的交通標(biāo)志牌檢測;通過在標(biāo)準(zhǔn)的GTSRB數(shù)據(jù)集中加入了具有典型干擾特征的數(shù)據(jù),實(shí)現(xiàn)對數(shù)據(jù)集的擴(kuò)充與增強(qiáng),使算法能夠?qū)Υ嬖谶\(yùn)動模糊、遮擋、光照異常等環(huán)境干擾問題情況下的道路交通標(biāo)志牌進(jìn)行準(zhǔn)確的識別,提高了交通標(biāo)志牌識別算法的抗干擾能力;應(yīng)用DarkNet-53深度學(xué)習(xí)圖像識別方法,重新設(shè)計了模型中的分類模塊結(jié)構(gòu),同時使用具有類別自適應(yīng)特性的Focal Loss損失函數(shù)進(jìn)行模型的訓(xùn)練,獲得了更高的識別準(zhǔn)確率與更快的識別速度,實(shí)現(xiàn)了準(zhǔn)確的交通標(biāo)志牌識別;針對基本霍夫變換實(shí)現(xiàn)車道線檢測算法執(zhí)行時間長、準(zhǔn)確性不高的問題,結(jié)合概率理論與透視變換方法對霍夫變換進(jìn)行了改進(jìn),實(shí)... 

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及研究意義
    1.2 道路交通標(biāo)志識別系統(tǒng)研究現(xiàn)狀
        1.2.1 道路交通標(biāo)志檢測研究現(xiàn)狀
        1.2.2 道路交通標(biāo)志識別研究現(xiàn)狀
    1.3 本文研究內(nèi)容和組織結(jié)構(gòu)
        1.3.1 本文的研究內(nèi)容
        1.3.2 本文的組織結(jié)構(gòu)
2 道路交通標(biāo)志識別技術(shù)分析
    2.1 道路交通標(biāo)志識別概述
        2.1.1 道路交通標(biāo)志識別系統(tǒng)框架
        2.1.2 道路交通標(biāo)志特征
    2.2 道路交通標(biāo)志識別方法
        2.2.1 感興趣區(qū)域提取
        2.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        2.2.3 霍夫變換
    2.3 道路交通標(biāo)志圖像數(shù)據(jù)集
        2.3.1 GTSDB數(shù)據(jù)集
        2.3.2 GTSRB數(shù)據(jù)集
    2.4 道路交通標(biāo)志識別問題
        2.4.1 環(huán)境干擾問題
        2.4.2 識別準(zhǔn)確率問題
        2.4.3 算法實(shí)時性問題
    2.5 本章小結(jié)
3 基于深度學(xué)習(xí)的道路交通標(biāo)志識別
    3.1 交通標(biāo)志牌檢測算法
        3.1.1 交通標(biāo)志牌檢測模型選擇
        3.1.2 交通標(biāo)志牌檢測算法設(shè)計
    3.2 交通標(biāo)志牌識別算法
        3.2.1 交通標(biāo)志牌識別模型選擇
        3.2.2 交通標(biāo)志牌識別算法設(shè)計
    3.3 車道線檢測算法設(shè)計
    3.4 本章小結(jié)
4 道路交通標(biāo)志識別算法優(yōu)化
    4.1 Dark Net-53 網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化
    4.2 模型損失函數(shù)優(yōu)化
    4.3 數(shù)據(jù)集增強(qiáng)
    4.4 車道線檢測算法優(yōu)化
        4.4.1 融合概率理論的霍夫變換設(shè)計
        4.4.2 融合逆透視變換的霍夫變換設(shè)計
    4.5 本章小結(jié)
5 道路交通標(biāo)志識別系統(tǒng)測試
    5.1 道路交通標(biāo)志識別流程
    5.2 深度學(xué)習(xí)平臺框架
    5.3 交通標(biāo)志牌檢測模型測試
        5.3.1 交通標(biāo)志牌檢測模型評價指標(biāo)
        5.3.2 交通標(biāo)志牌檢測模型訓(xùn)練
        5.3.3 交通標(biāo)志牌檢測結(jié)果
        5.3.4 算法實(shí)時性分析
    5.4 交通標(biāo)志牌識別模型測試
        5.4.1 交通標(biāo)志牌識別模型訓(xùn)練
        5.4.2 損失函數(shù)優(yōu)化結(jié)果分析
        5.4.3 數(shù)據(jù)增強(qiáng)結(jié)果分析
        5.4.4 交通標(biāo)志牌識別結(jié)果
        5.4.5 算法實(shí)時性分析
    5.5 車道線檢測算法測試
        5.5.1 車道線檢測評價指標(biāo)
        5.5.2 車道線檢測結(jié)果分析
    5.6 道路交通標(biāo)志識別系統(tǒng)運(yùn)行
    5.7 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]一種基于深度學(xué)習(xí)的遙感圖像目標(biāo)檢測算法[J]. 趙寶康,李晉文,楊帆,劉佳豪.  計算機(jī)工程與科學(xué). 2019(12)
[2]基于深度學(xué)習(xí)的無人機(jī)巡檢圖像銷釘故障檢測[J]. 寧柏鋒.  計算機(jī)測量與控制. 2019(11)
[3]基于LAB顏色空間的圖像陰影檢測與去除方法[J]. 梁永偵,潘斌,郭小明,梁媛.  計算機(jī)與現(xiàn)代化. 2019(10)
[4]基于機(jī)器學(xué)習(xí)的藏文圖像識別系統(tǒng)設(shè)計與實(shí)現(xiàn)[J]. 楊學(xué)斌,賈磊.  江蘇科技信息. 2019(28)
[5]基于深度學(xué)習(xí)的農(nóng)作物病蟲害圖像識別技術(shù)研究進(jìn)展[J]. 賈少鵬,高紅菊,杭瀟.  農(nóng)業(yè)機(jī)械學(xué)報. 2019(S1)
[6]一種基于形狀的紅外圖像泄漏氣體檢測方法[J]. 劉路民根,張耀宗,欒琳,洪漢玉.  應(yīng)用光學(xué). 2019(03)
[7]基于深度學(xué)習(xí)的驗(yàn)證碼圖像識別[J]. 徐星,宋小鵬,杜春暉.  測試技術(shù)學(xué)報. 2019(02)
[8]融入視覺注意機(jī)制的路面裂縫檢測與識別[J]. 張玉雪,唐振民,錢彬,徐威.  計算機(jī)工程. 2018(04)
[9]一種新的基于形態(tài)學(xué)和模板匹配的車牌識別方法[J]. 劉懷芝,陸小虎,徐喜東,陳本焱.  國外電子測量技術(shù). 2018(01)
[10]基于Stentiford視覺模型的改進(jìn)[J]. 范向陽,王誠.  計算機(jī)工程與應(yīng)用. 2017(07)

博士論文
[1]圖像信息處理中的選擇性注意機(jī)制研究[D]. 張鵬.國防科學(xué)技術(shù)大學(xué) 2004



本文編號：3696653