基于选择性搜索和改进卷积神经网络的交通标志识别

《基于选择性搜索和改进卷积神经网络的交通标志识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代号１０５３２学号Ｓ１６０２Ｗ０２２８分类号ＴＰ３９１．４密级公开論ＷＨＵＮＡＮＵＮＩＶＥＲＳＩＴＹ工程硕士学位论文基于选择性搜索和改进卷积神经网络的交通标志识别学位申请人姓名刘思思培养单位机械与运载工程学院导师姓名及职称程军圣教授黄伟高级工程师学科专业车辆工程研究方向图像处理与模式识别论文提交日期２０１８年４月２０日１０５３２学校代号：学号：Ｓ１６０２Ｗ０２２８密级：公开湖南大学工程硕士学位论文基于选择性搜索和改进卷积神经网络的交通

2、标志识别学位申请人姓名：刘思思导师姓名及职称：程军圣教授黄伟高级工程师培养单位：机械与运载工程学院专业名称：机械工程论文提交日期：２０１８年４月２０日论文答辩日期：２０１８年５月２７日答辩委员会主席：于德介教授ＴｒａｆｉｃＳｉｇｎＲｅｃｏｇｎｉｔｉｏｎＢａｓｅｄｏｎＳｅｌｅｃｔｉｖｅＳｅａｒｃｈａｎｄＩｍｒｏｖｅｄＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｐｂｙＬｉｕＳｉｓｉＢ．Ｅ．ＷｕｈａｎＵｎｉｖｅｒｓｉｔｏｆＴｅｃｈｎｏｌｏ２０１６（ｙ

3、ｇｙ）ＡｔｈｅｓｉｓｓｕｂｍｉｔｔｅｄｉｎａｒｔｉａｌｓａｔｉｓｆａｃｔｉｏｎｏｆｔｈｅｐＲｅｕｉｒｅｍｅｎｔｓｆｏｒｔｈｅｄｅｒｅｅｏｆｑｇＭａｓｔｅｒｏｆＥｎｇｉｎｅｅｒｉｎｇｉｎＶｅｈｉｃｌｅＥｎｉｎｅｅｒｉｎｇｇｉｎｔｈｅＧｒａｄｕａｔｅＳｃｈｏｏｌｏｆＨｕｎａｎＵｎｉｖｅｒｓｉｔｙＳｕｐｅｒｖｉｓｏｒＰｒｏｆｅｓｓｏｒＣＨＥＮＧＪｕｓｈｅｎｇ＆ＳｅｎｉｏｒＥｎｇｉｎｅｅｒＨＵＡＮＧＷｅｉＭａｙ２０１８，湖南大学学位论文原创性声明本人郑重声明

4、：所呈交的论文是本人在导师的指导下独立进行研宄所取得的研宄成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：刮恩思日期必／２年ｆ月冷日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入有关数据库进

5、行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于１、保密□，在年解密后适用本授权书。２、不保密＃“”（请在以上相应方框内打Ｖ）＇夕月作者签名：刘？理日期：如＜５年球日■签曰期ｒ月，卿、ｐ基于选择性搜索和改进卷积神经网络的交通标志识别摘要交通标志识别是自动驾驶技术和智能交通系统的重要组成部分，对于改善人民生活、有效防止交通事故的发生有着重要的意义。近年来，随着人工智能大潮一的到来，交通标志识别的研宄成为了计算机视觉、模式识别、深度学习领域的大研究热点。而交通标志识别的关键就

6、是如何正确地提取交通标志感兴趣区域和对交通标志进行分类。由于传统的交通标志感兴趣提取算法对于天气敏感，且易一背景的干扰，所以本文中引入了种新的感兴趣区域提取算法以及二级分类，取得了较好的效果。主要研宄内容如下：１．基于传统的交通标志感兴趣区域提取算法的颜色分割算法进行了实验，验证了传统方法在某些情况下的可行性。２．提出了将ＳＳ算法引入交通标志感兴趣区域提取中，并且基于颜色通道和最小分割阈值对ＳＳ算法进行了改进。通过实验验证了将ＳＳ算法中的ＲＧＢ通道换成ＨＳＶ通道，能够更好地适应多变天气下交通标志的提取，表明了改进后的有效

7、－性基于清华腾讯数据库，找到了提取效果较好的最小分割阈值。用改进后的；ＳＳ算法与传统的交通标志感兴趣区域提取算法来提取交通标志感兴趣区域，实验结果表明了ＳＳ算法的优越性。３．采用了交通标志二级分类方法，先进行正负样本的分类，再进行交通标志一＋ＳＶＭ类别的分类。实验结果说明了第级分类采用ＨＯＧ分类方法，第二级分类采用ＬｅＮｅｔ５模型的优越性。４一．提出了使用小的卷积核组成的卷积核组代替大的卷积核这方法对Ｌｅｎｅｔ５进行改进，得到了很好地分类效果。在改进的ＬｅＮｅｔ５基础上进行了参数的优化和数据集的扩大。，实验结果表明

8、了其有效性关键词：感兴趣区域选择性搜索交通标志识别卷积神经网络