基于残差网络的智能交通标志识别算法

王佳琪， 李 哲， 高睿杰， 谢冰洁， 谷殿月， 于慧伶

(东北林业大学 信息与计算机工程学院， 哈尔滨 150040)

0 引 言

随着人民生活水平的日益提高，机动车作为一种舒适便捷的交通工具，逐渐成为人民生活中不可或缺的产品。据调查，美国公路上每年发生约600万起交通事故,其中的94%是由人的操作和是失误引起的[1]。发展无人驾驶汽车可以减少或防止交通事故的目的。自动驾驶技术研究已有近百年的历史，随着计算机技术以及人工智能的迅速发展，自动驾驶技术的研究与开发也进入了一个高速发展的阶段，其中交通标志识别技术是无人驾驶汽车感知静态交通环境的关键内容，世界各大院校及研究机构在交通标志识别领域均有不同程度的研究[2]。目前主流的方法有基于模板匹配、机器学习和深度学习的方法。

模板匹配方法是将预先已知的小模版在大图像中找到与模板最匹配(相似)的目标，确定其坐标位置。冯春贵等人提出了一种改进的模板匹配方法，对限速标志进行识别[3]，与传统模板相比较，识别率由80.95%提高到95.24%。基于模板匹配方法的识别结果易受到图像遮挡、变形、破坏等影响，不能同时兼顾计算量和鲁棒性的要求。随后基于机器学习的交通标志识别成为了一种更为流行的方法。该算法主要采用“人工提取特征+机器学习”的模式，先提取能够描述交通标志信息的特征，随后结合机器学习算法完成识别。常用的机器学习分类器有支持向量机(SVM)、BP神经网络和最近邻算法(KNN)。……