基于卷积神经网络的交通标志检测

《基于卷积神经网络的交通标志检测》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、指导教师：齐飞基于卷积神经网络的交通标志检测班级：001013学生：沈冲学号：001013101.论文目录及整体框架数值仿真传播模型论文框架论文结论致谢目录134625稳定性分析图像预处理研究背景及意义论文框架网络训练及测试结果分析及致谢目录1462/135交通标志及卷积网络介绍232.1研究的背景及存在的问题随着科学技术的快速发展，智能交通及无人驾驶的出现已经成为了不可避免的趋势。挡在智能交通进入人类生活上的一道难题便是交通标志的检测与识别。对于交通标志识别，前人已做了很多的研究并取得了一定的研究成果。而标志的检测仍

2、存在很大的提升空间，需要我们在现有算法的基础不断改进，也迫切需要新算法的提出。如何提高在复杂的真实场景中交通标志的准确检测，如何提高检测分割、特征提取、分类算法的处理速度，如何使得所采用的技术以及开发的系统具有广泛的适用性与实际使用价值等，成为许多交通标志检测研究领域急需解决的问题2.2系统研究的意义（1）它是驾驶辅助系统及无人驾驶智能车的不可缺少的一部分。实时交通标志检测系统通过对行驶过程中前方道路出现的交通标志图像进行及时采集和准确检测，然后把检测结果通过视频或者语音方式传递给司机以辅助驾驶，以达到自动驾驶的目的（

3、2）有利于交通管理部门对交通标志的管理和维护。通过对比检测出的交通标志和标准交通标志库，交通部门可以有效地对发生损坏的标志进行修复，节省了大量的人力和时间。2.3本论文的解决方案针对检测过程中的路标模糊及背景复杂等不同的干扰因素，本论文采用深度学习方法中的卷积神经网络结构，大量的训练数据样本充分包含了各种环境下的路标，同时网络训练时采用较多的循环次数，让网络学会各种路标结构的特征信息。针对多目标及干扰物过多的图像，我们采用选择搜索算法，从而能很好的分割出包含路标的区域。在路标训练图像的预处理阶段，我们对各类图像采用彩色

4、图像直方图均衡化，很大程度上减弱了光照及阴影对路标识别过程中的干扰。3.1基本交通标志的介绍本文检测的交通标志主要分为三大类：警告标志：警告司机、车辆及行人要小心危险目标的标志。它们的形状为等边三角形，颜色大多为黄底、黑边、黑图案；禁令标志：为环境中的某种限制因素而对车辆司机加以禁止的标志。禁令标志的颜色一般为白底，红圈，红杠，黑图案；指示标志：用以规定车辆和行人的行驶方向集地点。形状可分为长方形、圆形和正方形，颜色大多为蓝底、白图案。3.2卷积神经网络的介绍（1）卷积神经网络（CNN）是由一个结构化的BP网络复杂化而

5、来的，通过共享权值和结构重组，卷积计算等将特征提取功能融合进多层感知机，CNN具有三个显著特征：（1）局域感受野是指每一网络层的神经元只与上一层的一个小邻域内的神经元连接，通过局域感受野，神经元可以提取初级的视觉特征；（2）权值共享是指同一个特征图中的神经元共用相同的权值，使得卷积神经网络具有更少的参数；（3）次采样可以减少了特征图的分辨率，从而减少对位移，缩放和扭曲的敏感度；3.2卷积神经网络的介绍（2）卷积神经网络主要分为输入层，卷积层，采样层及全连接层inputlayer；convolutionlayer；sub

6、samplinglayer；fullconnectionlayer；4交通标志的预处理网络训练及检测时的图像数据都需要一定的大小及格式，这样才能充分利用卷积神经网络来实现准确率更高的路标检测。预处理部分主要包括图像分割，图像大小归一化及彩色图像直方图均衡化，基本流程如图所示：4交通标志的预处理稳态分析论文结论致谢论文框架传播模型数值仿真稳态分析论文结论致谢论文框架原始图像10/13数值仿真S(t)βS(t)I(t)γI(t)4交通标志的预处理稳态分析论文结论致谢论文框架传播模型数值仿真图像分割论文结论致谢论文框架原始图

7、像11/13数值仿真S(t)βS(t)I(t)γI(t)得到初始化的小区域计算相邻区域的相似度把相似度最高的区域合并，然后再重新计算合并区域和相邻区域的相似度反复循环这些步骤，直到整个图片被当成一个单独的区域4交通标志的预处理稳态分析论文结论致谢论文框架传播模型数值仿真图像分割论文结论致谢论文框架原始图像12/13数值仿真S(t)βS(t)I(t)γI(t)分割得到的图像，特征性的选了5张4交通标志的预处理稳态分析论文结论致谢论文框架传播模型数值仿真稳态分析致谢论文框架原始图像13/13大小归一化S(t)βS(t)I(

8、t)γI(t)这里将分割后的图像归一化为48*48大小的图像4交通标志的预处理稳态分析论文结论致谢论文框架传播模型数值仿真稳态分析直方图均衡化致谢论文框架原始图像14/13S(t)βS(t)I(t)γI(t)由于原始图像为彩色图像，这里直方图均衡化时是将原始图像RGB三通道分别均衡化，然后再合并Src=imread(‘pictur