基于改进BP神经网络的交通标志识别

罗 山，李平安

（攀枝花学院 交通与汽车工程学院，四川攀枝花617000）

0 引言

先进的交通标志识别技术是实现辅助驾驶和无人驾驶的关键技术之一；可以辅助司机判断周围道路状况，减轻负担，显著提高驾驶的安全性和舒适性。国内外学者对交通标志识别做了很多研究，李翔等［1］提出了基于Hu不变矩的识别方法，但Hu不变矩含有大量的冗余信息；魏艳艳提出一种基于幅值谱和神经网络的交通标志识别算法［2］，较好解决了所获取的标志图像与实际交通标志图像之间的几何失真问题，提高了识别率；田秋红［3］等提出了基于Zernike矩特征的识别方法，Zernike矩只能提取图像的全局特征，无法描述图像；杨斐提出了分块图象特征与BP神经网络相结合的识别方法，但只对33幅图像进行处理［4］，该方法鲁棒性较差。

针对目前交通标志识别方法存在的不足，本文提出一种改进的交通标志识别算法。采用颜色概率与局部模板进行交通标志检测，去除部分冗余信息，并且能够识别各种形状的交通标志；利用融合改进的MDA和MPCA进行特征值提取，能够解决投影矩阵的求解问题；加入L2正则化和dropout结构改进BP神经网络。同时，选用德国交通标志库作为训练和识别对象，样本容量大，更具有代表性；并对实际场景中的交通标志进行测试，验证算法的有效性。

1 交通标志识别流程

具体识别流程见图1所示。

图1 交通标志识别流程

2 交通标志检测

2.1 交通标志颜色概率模型

为减少亮度的影响，在RGB颜色模型中，采用式（1）对颜色坐标进行归一化处理［5］。……