基于深度学习的交通信号灯物体识别方法

刘子瑄，贺子祺，聂文鹏，郭炬伟

(东北林业大学交通学院，黑龙江哈尔滨，150000)

0 引言

基于深度学习的无人驾驶方法能在行驶过程中对周围环境有良好的掌控效果，经过大量样本数据训练过的CNN，能够根据周围环境相应的样本给出最正确答案，可以广泛应用于物体识别[1]。物体识别中最主要的技术便是图像识别，图像识别是人工智能领域中最广泛应用的技术之一，因为深度学习具有明显的优势，目前已在各大应用场景展开应用，其中包括在自动驾驶、目标识别、人脸检测、车牌识别、工业检测等领域。

1 背景

随着深度学习技术的发展、计算视觉的提高、数据处理能力的增长，视觉智能计算技术有了突飞猛进的发展，因此越来越多的人开始对机器视觉感兴趣，在这些先进技术的支持下，无人驾驶技术也愈发成熟，俨然成为车辆领域的前沿技术，交通信号的识别方法在无人驾驶领域有着重要地位，一套优秀的识别方法能大幅度提高无人驾驶的安全性。而现有的交通信号识别技术，对交通信号的识别存在一定的失误率[2]，识别效果和准确度较低。

2 样本采集与神经网络的设计

2.1 训练样本采集

为获得更准确、更具针对性的识别方法来实现交通信号灯的识别，该样本从实际环境中采集样本图像以哈尔滨市交通信号灯为主，其余地区为辅。考虑到交通信号灯的全面性与不同性，从网络上也选取了大量图像数据为样本[3]，为达到更好的训练效果，还对图片进行专属的修改，采用了图像生成技术，对图像进行裁切、色彩修改、 噪声增加等方法，从而获得大量相同格式的样本图像。……