基于LeNet5算法的交通标志识别

2018-05-02 07:56:26吴宗燃
智富时代 2018年2期

吴宗燃

【摘 要】交通标志的识别是辅助驾驶系统和无人驾驶系统中非常关键的步骤,是指将包含交通标志的待识别区域作为输入(我们在检测步骤中所得到的一组感兴趣区域),输出其交通标志的小类(如限速60公里/小时,禁止停车等),以得到人们所知道的具体含义。

【关键词】LeNet5;卷积神经网络;交通标志识别

一、交通标识识别方案的设计

卷积神经网络(convolutional neural network, CNN)[126]由LeCun等人提出,最早应用于手写数字的识别,且于2012年在ImageNet分类任务上取得了突破性的进展[127]。目前,卷积神经网络已成功应用于简单笔划识别[128]、交通标志识别[58,129]、以及相机定位[130]等多个领域。

卷积神经网络最显著的特点在于可以直接采用图像进行输入,能同时进行特征和分类器的学习,避免了传统识别算法中显式的、复杂的特征提取过程,隐式的从训练数据中进行学习。Giresan等人赢得GTSRB第二轮比赛采用的多列深度卷积神经网络(multi-column deep neural network, MCDNN)[53]包含了三个卷积层,三个最大池化层以及两个全连接层。鉴于卷积神经网络如此优秀的图像识别性能,本文采取LeNet5卷积神经网络来进行交通标志识别。

二、LeNet5卷积神经网络的算法流程

(一)交通标志识别算法的流程

交通标志识别算法流程:输入图像、预处理、特征提取、分类、输出图像等几个关键步骤。在实际的交通环境中,交通标志可能收到各种不利的外部因素影响而难以分辨,如:光线变化,位置的倾斜,风吹雨淋之后的褪色,路边树木的遮挡,这对计算机来说是十分致命的。……

登录APP查看全文