基于特征融合與深度卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)識識別.pdf

1、汽車在人們生活中扮演著越來越重要的角色，安全暢通的駕駛環(huán)境是交通系統(tǒng)的理想狀態(tài)。交通標(biāo)識識別是智能交通系統(tǒng)的重要組成部分，它主要包括交通標(biāo)識的目標(biāo)定位和目標(biāo)識別兩部分。以交通標(biāo)識為研究對象，提出了基于特征融合和深度卷積神經(jīng)網(wǎng)絡(luò)的交通標(biāo)識識別方法。
　　首先介紹了國內(nèi)外交通標(biāo)識識別的研究現(xiàn)狀，對比了過去研究中目標(biāo)定位與目標(biāo)識別方法的優(yōu)劣，提出了基于特征融合的目標(biāo)定位方法和基于深度卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)識別方法。
　　在目標(biāo)定位問題

2、上，通過提取HOG特征和LBP特征，串行融合后使用支持向量機作為分類器。實驗證明該方法可以對含交通標(biāo)識的圖片進行有效定位，并能夠排除不含交通標(biāo)識的圖片干擾。
　　深度卷積神經(jīng)網(wǎng)絡(luò)是近年來提出的區(qū)別于淺層神經(jīng)網(wǎng)絡(luò)的機器學(xué)習(xí)方法模型，因其優(yōu)秀的學(xué)習(xí)能力和應(yīng)用效果受到廣泛重視。介紹了自動編碼機、稀疏編碼、受限玻爾茲曼機、深度信念網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等原理和訓(xùn)練方法，重點介紹了ALexNet和GoogleNet等深度卷積神經(jīng)網(wǎng)絡(luò)模型。

3、>　　根據(jù)研究對象和應(yīng)用場景，提出了針對交通標(biāo)識識別的深度卷積神經(jīng)網(wǎng)絡(luò)模型TSR9L-Net，并建立了相應(yīng)的訓(xùn)練圖像數(shù)據(jù)庫。通過平衡識別率和識別速度，提出一個含9層的輕量級參數(shù)數(shù)量模型，其中權(quán)重層為6層。分別對含7類警告標(biāo)識和15類禁令標(biāo)識的樣本訓(xùn)練集進行訓(xùn)練，同時對比LeNet-5、AlexNet和TSR9L-Net三種模型的訓(xùn)練效果。其中TSR9L-Net能夠在保證準(zhǔn)確率的前提下，提升識別速度。GPU硬件平臺下，7類標(biāo)識每批40張識