天津大学电气自动化与信息工程学院, 天津 300072
针对交通标志只在图像中占极小的区域且难以准确识别的问题,提出一种基于注意力模型的无锚框交通标志识别算法,利用密集连接网络DenseNet-121作为骨干网络并对特征进行提取。为了解决小型交通标志准确率低的问题,在骨干网络中加入注意力模型,可以对特征图进行空间和通道上的自适应调整,通过加强或抑制特征图中元素的权重可以提升对小型交通标志的识别性能。为了减小编码路径与解码路径间的语义鸿沟,引入残差网络的连接方式并提出一种语义连接路径。为了解决锚框中正负样本不均衡的问题,采用无锚框的检测方式可以定位交通标志的中心点、回归边界框的位置与尺寸信息。对所提算法在TT100K数据集上进行验证,实验结果证明所提算法具有优越性。
图像处理 深度学习 交通标志识别 注意力模型 无锚框 激光与光电子学进展
2021, 58(16): 1610020
智洋创新科技股份有限公司, 山东 淄博 255086
为了提升道路交通标志的识别准确率以及实施性能, 本文提出一种改进的LeNet-5卷积神经网络结构对交通标志图像进行训练。首先在检测阶段, 采用基于颜色的轻量级分割算法和Hough变换 算法提取交通标志的目标区域, 并控制算法复杂度使该识别系统基本满足实时性要求, 再利用LeNet-5对交通标志进行分类识别。在实际的校园道路在线识别试验中进行检测, 结果表明, 18个交通 标志通过驾驶均在本文的算法中成功识别, 其运行速率达到16.9 Hz, 基本满足交通标志识别稳定、实时等性能要求。
交通标志识别 卷积神经网络 实时图像处理 自主车辆 traffic sign recognition convolutional neural network real-time image processing autonomous vehicle
安徽工程大学电气工程学院, 安徽 芜湖 241000
交通标志识别在驾驶辅助系统和交通安全方面发挥着重要作用。卷积神经网络在计算机视觉任务上取得了重大的突破,并在交通标志检测与识别方面取得了巨大的成功。然而,现有的识别方法通常达不到实时识别的效果。因此,提出一种改进卷积神经网络交通标志识别方法,通过加入初始模块,扩展网络结构和提出新的损失函数等多种方法来解决原始模型不擅于检测小目标的问题。在德国交通标志数据集上的仿真结果表明,与现有技术相比,提出的方法能够获得更高的检测速率,每张图片的处理时间仅为0.015 s。
图像处理 神经网络 交通标志识别 YOLOv2 损失函数 激光与光电子学进展
2019, 56(19): 191002
现有交通标志识别技术, 存在高识别率高功耗或者低识别率低功耗的问题, 构建了新轻量级WACNN的识别算法。首先, 利用TensorFlow构建6层卷积神经网络, 其中前三层为卷积池化层, 四层为1×1卷积层, 五层为全连接层, 六层为输出层, 前四层再加入批量归一化方法。其次, 使用直方图均衡对交通图像预处理。最后, 模型在GTSRB上进行实验, 实验结果表明, 所提模型不仅极大缩短了训练时间, 且识别准确率也能达到了97％。
交通标志识别 卷积神经网络 批归一化 图像预处理 traffic sign recognition convolutional neural network batch normalization image preprocessing
西北师范大学物理与电子工程学院, 甘肃 兰州 730070
在实际交通环境中,所采集到的交通标志图像质量往往受到运动模糊、背景干扰、天气条件以及拍摄视角等因素的影响,这对交通标志自动识别的准确性、实时性和稳健性提出了很大的挑战。为此提出了改进深度卷积神经网络AlexNet的分类识别算法模型,该模型在传统AlexNet模型基础上,以真实场景中拍摄的交通标志图像数据集GTSRB为研究对象,将所有卷积层的卷积核修改为3×3大小,为了预防和减少过拟合的出现在两个全连接层后加入dropout层,并且为了提高交通标志识别精度,在网络模型第5层后增加两层卷积层。实验结果表明,改进后AlexNet模型在交通标志识别方面具有一定的先进性和稳健性。
图像处理 卷积神经网络 交通标志识别 改进AlexNet模型 可视化 激光与光电子学进展
2018, 55(12): 121009
着眼于盲人出行问题, 设计了一套视听融合导盲机器人系统。该系统可以实现环境障碍探测、道路交通标志识别、行进路径规划、信息实时交互等功能。硬件方面, 通过各种类型光学传感器进行实时视觉信息采集, 并通过语音形式与使用者进行信息交互; 软件方面, 采用神经网络算法对多传感器信息进行数据融合以实现环境信息识别, 采用双极系数法以及基于颜色直方图的图像分割分别实现对斑马线和盲道两种交通标志的识别, 基于人工势场法实现行进路径规划。为了验证该方案的有效性, 搭建了原型系统, 并在真实环境下进行测试, 实验结果表明, 该导盲机器人具有识别准确率高、对复杂环境性能稳健等优点, 满足盲人出行需要。
机器视觉 导盲机器人 信息融合 交通标志识别 路径规划 激光与光电子学进展
2017, 54(12): 121506
交通标志识别(TSR)系统是智能交通系统的重要研究方向。道路交通环境复杂、交通标志数据库规模庞大等因素导致在设计TSR系统可行性方案时必须考虑计算复杂度和识别率。提出了一种高效且快速的基于改进主成分分析(PCA)法和极限学习机(ELM)的TSR算法, 被称为PCA-HOG。该算法首先提取交通标志数据库中每个交通标志的梯度方向直方图(HOG)特征, 利用改进PCA算法对提取出的HOG特征进行降维处理, 之后利用降维后的HOG特征进行ELM模型训练, 利用经过训练的ELM模型识别测试图片。实验结果表明, 基于PCA-HOG和ELM模型的交通标志识别算法获得的计算复杂度低, 图像识别率可达97.69%。
图像处理 交通标志识别 特征提取 主成分分析降维 极限学习机 激光与光电子学进展
2017, 54(2): 021001
1 河北工业大学信息工程学院, 天津 300401
2 天津市电子材料与器件重点实验室, 天津 300401
利用脉冲耦合神经网络(PCNN)模型融合点火像素点位置信息生成的二维条形码，实现镜像对称交通标志的分类识别。为了研究二维条形码的抗干扰性能，在待识别图像中加入椒盐噪声，并以不同分级数，采用R、G、B三个颜色空间进行处理，分析经过预处理前后形成的二维条形码抗干扰性能。针对国家标准道路交通标志图像库GB5768-1999中117个标志，其中45个黄色警告标志，43个红色禁令标志，29个蓝色指示标志进行实验，结果表明，二维条形码可以克服镜像对称标志无法区分的问题，并且抗干扰性能优于一维条形码，在R、G、B三个颜色空间分别处理时，1%的椒盐噪声影响下最高匹配率可达97%。
图像处理 交通标志识别 二维条形码 脉冲耦合神经网络 抗干扰性能 光学学报
2014, 34(s2): s210002
