本文關(guān)鍵詞：基于改進卷積神經(jīng)網(wǎng)絡的交通標志牌識別算法研究　出處：《吉林大學》2017年碩士論文　論文類型：學位論文

  更多相關(guān)文章： 標志牌檢測 標志牌分類 支持向量機 卷積神經(jīng)網(wǎng)絡

【摘要】：隨著我國經(jīng)濟快速發(fā)展,擁有汽車對于很多家庭來說已不是難事,但與此同時交通事故的不斷增加也給社會帶來了巨大危害。為了避免出現(xiàn)交通事故,在高速公路,省道國道,危險路段等都會設置相應的交通標志牌,指導司機按規(guī)定安全駕駛,但往往由于駕駛員自身原因,未能注意到道路一旁的交通標志牌,從而造成交通事故。交通標志識別系統(tǒng)的開發(fā)可以有效地利用科技的手段解決這一問題,然而真實場景極其復雜,對于計算機識別系統(tǒng)來說,不同光照強度,遮擋等都會給檢測和分類帶來困難,這些因素制約著標志牌識別乃至汽車輔助駕駛的發(fā)展。為了解決上述問題,本文在總結(jié)了國內(nèi)外相關(guān)領域研究基礎上,面對圖像中標志牌變形,缺損等情況,結(jié)合近年來機器學習支持向量機(Support Vector Machine,SVM)以及卷積神經(jīng)網(wǎng)絡(Convolutional Neural Networks,CNN)的快速發(fā)展,進行標志牌識別方面的算法研究,本文研究分兩階段,具體內(nèi)容如下:第一階段為標志牌檢測算法研究。近年來MSER(Maximally Stable Extremal Regions)在車牌識別、文字識別等領域得到廣泛應用,其仿射不變、穩(wěn)定等特性使其在這些領域取得了優(yōu)異的成績,SVM在圖片分類,目標識別尤其是二分類問題上表現(xiàn)優(yōu)異,本文將兩者優(yōu)勢結(jié)合,提出一種穩(wěn)定的基于SVM和MSER的交通標志牌檢測算法。算法首先對圖像進行HSV顏色分割預處理,然后對分割圖像進行MSER區(qū)域檢測,并按規(guī)則篩選區(qū)域,最后利用SVM模型判斷每一個區(qū)域是否包含標志牌。在大量實驗基礎上,采用統(tǒng)計分析的方法確定MSER參數(shù),在德國交通標志檢測標準(German Traffic Sign Detection Benchmark,GTSDB)和德國交通標志識別標準(German Traffic Sign Recognition Benchmark,GTSRB)數(shù)據(jù)集基礎上,制作本文特殊變形增量的SVM訓練集,訓練SVM模型。實驗結(jié)果表明,與其他算法相比,本文檢測算法具有更高的準確率和查全率,在復雜多變的場景下具有更好的穩(wěn)定性,且計算效率較高,滿足標志牌識別系統(tǒng)實時性要求。第二階段為標志牌分類算法研究。本文提出基于改進lenet-5網(wǎng)絡的標志牌分類算法。傳統(tǒng)的lenet-5網(wǎng)絡對輸入形式,卷積核初始化方法等都沒有嚴格的要求,卷積核初始化方法采用最原始的隨機初始化,網(wǎng)絡模型在訓練,分類階段都非常耗時。本文針對交通標志牌識別算法所要求的實時、準確等特點,將lenet-5網(wǎng)絡卷積核初始化方式設置為平均Gabor核初始化,去掉傳統(tǒng)lenet-5網(wǎng)絡C5層,用激勵函數(shù)Re LU替代Sigmoid,將輸出層的Softmax分類器采用更快速輕量級的SVM分類器代替。實驗過程中采用在標志牌識別領域具有極高代表性的GTSRB數(shù)據(jù)集作為實驗數(shù)據(jù),實驗結(jié)果表明,改進lenet-5網(wǎng)絡在訓練收斂速度,分類時間上都大大優(yōu)于傳統(tǒng)網(wǎng)絡,且具有極高的分類準確率,滿足標志牌識別系統(tǒng)實時準確的要求。綜上所述,本文從標志牌識別系統(tǒng)準確、實時、穩(wěn)定等要求出發(fā),結(jié)合國內(nèi)外研究現(xiàn)狀,設計了符合要求的標志牌檢測算法和標志牌分類算法,分別在GTSDB和GTSRB數(shù)據(jù)集上取得了理想的效果。
[Abstract]:In order to avoid traffic accidents , it is difficult to detect and classify the traffic signs on the highway , provincial highway , dangerous road , etc . In order to avoid traffic accidents , this paper puts forward a stable traffic sign recognition algorithm based on SVM and MSER . In order to solve the above problems , this paper presents a stable traffic sign recognition algorithm based on SVM and MSER . On the basis of German Traffic Sign Detection Benchmark ( GTSDB ) and German Traffic Sign Recognition Benchmark ( GTSRB ) data set , the SVM training set and SVM model of special deformation increment are made . The experimental results show that the improved lenet - 5 network has better stability in training and classification .

【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 楊曉帥 ,付玫;神經(jīng)網(wǎng)絡技術(shù)讓管理更輕松[J];軟件世界;2000年11期

2 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

3 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

4 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

5 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

6 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

7 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

8 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

9 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

10 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

相關(guān)重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關(guān)博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學;2015年

相關(guān)碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

，

本文編號：1367539