基于改进Unet的斑马线分割

黄生鹏，柳海南，周克帅，刘建宇

（上海工程技术大学 机械与汽车工程学院，上海 201620）

0 引 言

近年来，随着无人驾驶、智能小车等智能交通工具的发展，如何有效的检测出道路标识线，保障行人的安全成为热门研究方向。斑马线是道路交叉口的重要安全标志，准确的识别出斑马线能有效提高交叉路口的行驶安全性。传统的斑马线识别方法主要有以下几种：

（1）灭点法［1］。根据斑马线的平行特点，利用两次霍夫变换找到直线的灭点从而确定斑马线所在的位置。该方法运算速度快，但是当斑马线较多时区分性差。

（2）频域法［2］。该方法从斑马线黑白交替出现的纹理规律出发，根据现实中斑马线的宽度找到特定的频率，并以该频率为中心频率在一定带宽内筛选，此方法识别率很高，但是计算成本高，实时效果差。

（3）双极系数法。该方法从斑马线黑白颜色分明特点出发，利用均值、方差获取某区域的黑白分明程度。双极系数法计算速度快，然而易受环境的影响。

随着深度学习的发展，特别是卷积神经网络［3］在图像领域的广泛应用，大量基于深度学习的图像分割 算 法 被 提 出。如FCN［4］、Unet［5］、Mask RCNN［6］、Deeplab［7］等。这些算法在分割性能上相比于传统分割算法，具有更高的鲁棒性，而且速度也很快。因此，本文在深入研究Unet网络的前提下，提出一种基于改进Unet网络的斑马线分割算法。对Unet特征提取网络进行改进，采用轻量级MobileNetv2［8］网络，代替原有模型的主干网络，以减小参数量；利用SENet模块［9］增强对特征图中重要信息的提取。……