基于深度学习的交通标志物识别研究

沈阳理工大学信息科学与工程学院 中国科学院沈阳自动化研究所机器人学国家重点实验室 秦丽娟

沈阳理工大学信息科学与工程学院 闫昊男

随着城市交通流量日益增大，交通管制难度也不断增大。拥堵、路况复杂等因素，不仅对交通管制形成严峻挑战，作为驾驶员来说，也是压力倍增。针对这种形式，相关人员陆续着手研发智能交通系统（TSI），TSI自诞生以来，在缓解交通拥堵和强化交通管制方面发挥着越来越重要的作用，TSI的应用越来越广泛。不管是无人驾驶技术，还是智能辅助驾驶系统，都对TSI有着不同的程度的依赖和需求；同时，日新月异的信息技术和大数据处理，也让TSI面临着新的挑战。交通标识物的识别研究，是TSI当中最重要的一个研究方向，且变得越来越重要。本文基于SVM网络的变形，优化出一种基于卷积神经网络一对多SVM交通标志物识别算法，其次，在交通标志物检测方面，在的卷积神经网络基础上，结合深度学习对检测算法做出优化和改进。测试结果表明，这两种优化方式在识别的准确率上都有良好的表现。

交通标志物是指一类包含着丰富交通信息的的指示标志，作为道路交通的重要组成部分，为驾驶员提供大量指示信息，避免交通事故发生，从而保护人身财产安全，发挥着巨大的作用。在交通管理过程中，交通标志物起到引导、限制、警告等作用，是保障道路交通安全、顺畅的重要措施。然而，受到交通环境的日趋复杂、光照条件的变化、植被障碍物遮挡等因素的影响，对交通标识的清晰辨别形成挑战，加上认为因素如疲劳驾驶、粗心大意等影响，更加剧了交通标识的识别难度。……