基于卷積神經網絡的交通標志實時檢測與識別

李晨 汪楊

摘要：在真實的駕駛場景中，由于光照變化、拍照角度等因素，所采集的圖片質量往往不高，這就對交通標志識別的準確性提出很高要求。針對這種問題，我們提出一種基于卷積神經網絡的交通標志識別方法。該方法采用兩步驟方案，在檢測步驟中，目標是提出圖片中交通標志的邊界框。在識別步驟中，是識別裁剪圖像的標簽。實驗結果表明，我們提出的方案能夠有效解決光照變化、各種天氣等實際駕駛環境中的問題。

關鍵詞：深度學習；卷積神經網絡；交通標志

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2018）06-0096-02

智能汽車是未來汽車行業的發展趨勢，道路交通標志的檢測與識別作為自動駕駛的基本技術之一，受到人們的日益重視。道路交通標志檢測與識別分為兩個基本環節：先是檢測交通標志，包括交通標志的定位、提取。然后是交通標志的識別，包括交通標志的特征提取與分類。

近年來，深度學習方法對許多任務（例如圖像分類和語音識別）表現出優越的性能，顯示出它們在圖像分類，定位和檢測等任務中的優勢。在這篇文章中，我們提出一個基于卷積神經網絡的兩步驟方案進行交通標志的檢測與識別。在檢測步驟，采用級聯卷積網絡快速定位并裁剪圖像中的交通標志；在識別步驟，用Inception-ResNet-v2網絡提取裁剪標志的特征并通過SVM或者計算距離進行識別。

1 基于級聯卷積神經網絡的交通標志檢測

1.1 TsingHua-Tencent 100k數據集

廣泛用于評估檢測性能的兩個數據集是PASCAL VOC和ImageNet ILSVRC。……