论文部分内容阅读
随着经济的迅速发展,城市交通拥堵的情况日益严重,对城市的发展造成了严重影响。智能交通系统(ITS)应运而生并发展迅速。道路交通标志识别系统作为智能交通系统的重要组成部分,在辅助驾驶,交通管理,无人驾驶等领域均起着重要作用。作为智能交通系统的一个重要研究方向,道路交通标志识别研究也在不断深入。而现在对于道路交通标志识别的准确性、实时性、有效性的方法的追求也更加精益求精,道路交通标志识别技术对于整个智能交通系统的发展有着非常重大的意义。本文在总结了道路交通标志识别技术研究现状的基础上也分析了道路交通标志识别技术研究的难点以及现有的方法,对道路交通标志检测算法和分类算法进行了研究与改进。本文的主要工作如下:(1)构建道路交通标志数据集。本文所使用的原始数据集是GTSB官方数据集。数据集包括分类数据集和检测数据集,分别用于分类和目标检测实验。(2)本文介绍了传统算法在道路交通标志识别中的应用,并介绍了图像增强技术,使得目标区域更加精准的被提取出来。再利用颜色空间模型,形状检测技术提取道路交通标志的特征,并且使用HOG和SVM结合的方法进行识别。(3)实现了一种基于R-CNN作为交通标志检测算法。针对传统基于颜色和形状信息的区域推荐算法对颜色和形状变化过于敏感的问题,本文选用神经网络(RPN)作为区域推荐算法,鲁棒性更强、推荐区域的质量更好。文中使用卷积神经网络作为目标检测算法,其分类效果好、定位更精准。文章最后介绍了全卷积网络,并运用全卷积网络进行实验,其对于目标检测速度有了一定的提高效果。