详情

原文传递交通标志检测与识别算法研究

论文题名：	交通标志检测与识别算法研究
关键词：	交通标志;单阶段检测算法;LeNet-5识别算法;特征融合
摘要：	道路标志识别是智能交通系统的重要组成部分。在现实环境中，复杂的外部环境引起了如照明过度或不足、障碍物遮挡、拍摄不稳定等问题，这些对道路标志检测和识别有很大的影响，交通标志检测和识别的准确性及实时性是目前面临的实际问题。本文利用深度学习技术对交通标志检测识别算法展开研究，本文的主要内容为：　　（1）在交通标志检测阶段，研究了目标检测最常用的单阶段检测算法：YOLO系列方法和SSD方法。对这两类模型的优缺点进行分析。然后在德国交通标志数据集上进行对比实验，对YOLOv2、YOLOv3以及SSD三种算法的性能进行比较，通过比较选用了YOLOv3作为检测模型。　　（2）在识别阶段，设计了改进的多层特征融合的LeNet-5识别算法，对道路标志进行识别和分类。改进后的CNN网络优化了卷积核的数目和大小，使模型对目标物体的特征更加敏感，增加了批量归一化BN层，将激活函数改为非线性ReLU函数，避免了梯度消失现象的出现，降低了激活函数计算复杂性，并采用Dropout策略，提高了模型的鲁棒性，有效避免出现过拟合。　　（3）通过数据增强方法对GTSRB数据集进行扩充，平衡了数据集种类分布，增加了训练的数据量，提高了数据集的泛化能力，并在此基础上实现了基于YOLOv3和改进多层特征融合的LeNet-5交通标志检测及识别。实验验证结果显示本文所设计算法在对复杂环境下的交通标志检测识别中具有良好的准确性和实时性。
作者：	王阳蕊
专业：	计算机科学与技术
导师：	李丽芬
授予学位：	硕士
授予学位单位：	华北电力大学(保定)
学位年度：	2021