[发明专利]一种基于多分辨率卷积神经网络的交通标志识别方法

说明书

技术领域

本发明属于计算机应用技术领域机器学习理论及应用子领域，本发明专利关注于智能交通技术中的交通标志识别问题。提出一种多分辨率卷积神经网络交通标志识别方法，用于解决使用卷积神经网络进行交通标志识别时速度较慢的问题，使用不同分辨率的二维图像作为输入，并行运算两个相同结构的卷积神经网络进行特征映射和提取，而后基于网络训练的权值阈值进行精确分类和识别。既保证了提取的图像特征的多样性，又提升了网络的运算速度，有效兼顾了识别精度和识别速度。

背景技术

交通标志是道路交通系统的一个重要组成部分，其作用主要包括显示当前路段的交通状况，提示驾驶环境中的危险和困难、警告驾驶员、为驾驶员指路等，为安全舒适的驾驶提供有用信息。如果完全靠驾驶员自己注意和发现交通标识并做出正确的反应，难免会增加驾驶负担，加速疲劳，严重地可能会导致交通事故。因此，安全可靠快速的交通标识识别系统显得越来越重要，大量研究研人员也都致力于这一领域的研究。

最早的交通标志识别始于上世纪70年代初，但直到80年代中期以后，才进入高速发展时期。

1987年，日本展开了对道路交通标志的检测、识别的研究。2000年，日本高校研发了每秒可检测60帧的交通标志识别系统(Miura J,Kanda T,Shirai Y.An active vision system for real-time traffic sign recognition[C].//Intelligent Transportation Systems,2000.Proceedings.2000 IEEE.IEEE,2000:52-57.)，该系统采用了两台摄像机，分别固定在汽车内，以便采集到具有高质量的图像，一台用于粗定位，一台用于采集，通过阈值分割和模板匹配达到了很高的识别准确率。

20世纪90年代初，德国梅赛德斯奔驰公司的Lutz Priese等人研究出了当时技术最为领先的交通标志自动识别系统(Priese L,Klieber J,Lakmann R,et al.New results on traffic sign recognition[C]//Intelligent Vehicles'94 Symposium,Proceedings of the.IEEE,1994:249-254)，该系统包括CSC(Color Structure Code)和TSR(Traffic Sign Recognition)，在颜色编码以及形状特征和模板识别等方面取得了一定的研究成果。

2008年，Mobileye公司与Continental公司合作开发的交通标志识别系统应用于宝马7系列汽车，2009年又用于奔驰S级汽车，该系统对限速标志实现了高准确性的实时监测，主要采用了前置摄像头和专用处理器相结合的方法。

交通标志识别一般包括两个主要步骤：检测与识别。在检测阶段，根据标志的特征(如颜色与形状)对图像进行预处理和分割，去除无效信息对识别的干扰，只对目标可能存在的区域进行处理，减少计算量。在识别阶段，对目标所在区域，用不同的方法提取特征，并用合适的分类算法对这些区域进行分类，得到交通标识的类型信息。

当前，常用的交通标志检测的算法主要有三类:基于颜色的方法，基于形状的方法和基于颜色与形状相结合的方法。

基于颜色的方法是应用最广泛的，其主要算法按照颜色空间的不同主要有四种：RGB彩色空间的阈值分割算法；HIS彩色空间的阈值分割算法；HSV彩色空间的阈值分割算法；除了上述三种常用的彩色空间之外，还有YCBCr彩色空间和LAB彩色空间等不常用彩色空间。

由于交通标志一般具有固定且简单的形状，基于形状特征的检测算法也被研究人员广泛应用，常用的方法有：模板匹配法；HOUGH变换法；拐角检测法；神经网络；数学形态学的方法等。