【摘要】：交通標(biāo)志識(shí)別是無(wú)人車(chē)和駕駛輔助系統(tǒng)的關(guān)鍵技術(shù)之一。高質(zhì)量的交通標(biāo)志識(shí)別可以為駕駛員或者無(wú)人車(chē)實(shí)時(shí)、準(zhǔn)確地提供交通路況、交通規(guī)則等信息,輔助駕駛決策,從而提高行車(chē)安全系數(shù),減少或避免交通事故發(fā)生。交通標(biāo)志識(shí)別是基于自然場(chǎng)景的識(shí)別,識(shí)別性能極易受到光照、天氣、運(yùn)動(dòng)模糊、旋轉(zhuǎn)傾斜、人為損壞等因素的影響,因此交通標(biāo)志識(shí)別是一項(xiàng)非常值得研究并且具有挑戰(zhàn)性的課題。本文設(shè)計(jì)并實(shí)現(xiàn)了一種改進(jìn)的基于多尺度卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志識(shí)別方法,實(shí)驗(yàn)結(jié)果表明了該方法具有一定的先進(jìn)性。針對(duì)識(shí)別準(zhǔn)確率和實(shí)時(shí)性這兩方面的改善需求,首先,通過(guò)優(yōu)化選取圖像預(yù)處理方法,改善了待識(shí)別圖像的質(zhì)量;然后,設(shè)計(jì)多尺度卷積神經(jīng)網(wǎng)絡(luò)方法,提取多尺度特征;最后,使用SoftMax分類(lèi)器實(shí)現(xiàn)對(duì)交通標(biāo)志的識(shí)別分類(lèi)。本文方法在德國(guó)交通標(biāo)志數(shù)據(jù)庫(kù)(GTSRB)上取得了98.82%的識(shí)別準(zhǔn)確率和每幅圖像僅0.1毫秒的實(shí)時(shí)性能。本文的工作主要有以下幾個(gè)方面:1.鑒于自然場(chǎng)景中采集的交通標(biāo)志圖像質(zhì)量參差不齊這一現(xiàn)象,首先開(kāi)展圖像預(yù)處理方法比選實(shí)驗(yàn)研究。最終選擇了感興趣區(qū)域提取、尺寸歸一化和基于彩色圖像的限制對(duì)比度自適應(yīng)直方圖均衡化方法作為圖像預(yù)處理方法,圖像質(zhì)量得到改善。2.鑒于單一尺度的卷積神經(jīng)網(wǎng)絡(luò)在交通標(biāo)志識(shí)別問(wèn)題中的局限性,設(shè)計(jì)實(shí)現(xiàn)了一種多尺度的卷積神經(jīng)網(wǎng)絡(luò)模型,實(shí)驗(yàn)證明了局部與全局特征相互組合能夠有效提高最終的識(shí)別性能。3.卷積神經(jīng)網(wǎng)絡(luò)在實(shí)際應(yīng)用中存在參數(shù)及其取值難以選取的問(wèn)題,本文針對(duì)權(quán)重初始化方式,以及激活函數(shù)、優(yōu)化器、Dropout等參數(shù)取值做了比選實(shí)驗(yàn)研究,優(yōu)化了參數(shù)取值方案,提高了識(shí)別準(zhǔn)確率。
[Abstract]:......
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP391.41;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 宋青松;田正鑫;孫文磊;吳小杰;安毅生;;用于孤立數(shù)字語(yǔ)音識(shí)別的一種組合降維方法[J];西安交通大學(xué)學(xué)報(bào);2016年06期

相關(guān)碩士學(xué)位論文 前6條

1 宋小潞;基于大氣物理模型的單幅圖像去霧算法研究[D];華南理工大學(xué);2015年

2 唐睢睢;交通標(biāo)志識(shí)別算法研究[D];北京交通大學(xué);2014年

3 林雅;基于視覺(jué)注意機(jī)制的圖像檢索研究[D];杭州電子科技大學(xué);2014年

4 顧業(yè)博;車(chē)載紅外線視頻圖像增強(qiáng)方法研究與實(shí)現(xiàn)[D];哈爾濱工業(yè)大學(xué);2012年

5 冀曉兵;圖像尺寸變換的算法研究[D];西安建筑科技大學(xué);2011年

6 白璐;基于圖像處理的車(chē)牌識(shí)別系統(tǒng)的研究[D];長(zhǎng)安大學(xué);2010年

，

本文編號(hào)：2475686