[發(fā)明專利]基于自建神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志檢測與識別方法

在審

• 申請?zhí)枺?/td>: 201810040243.6
• 申請日: 2018-01-16
• 公開（公告）號: CN108304785A
• 公開（公告）日: 2018-07-20
• 發(fā)明（設(shè)計）人: 黃知超;李棟;王斌
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 桂林市華杰專利商標(biāo)事務(wù)所有限責(zé)任公司 45112
• 代理人: 周雯

1.一種基于自建神經(jīng)網(wǎng)絡(luò)的交通標(biāo)志檢測與識別方法，其特征在于：

根據(jù)拍攝到的圖像運用數(shù)字圖像理論中的顏色分割獲取交通標(biāo)志在圖片中的非真實感興趣區(qū)域，使用SVM分類器得到真實感興趣區(qū)域，再將真實的感興趣區(qū)域放進(jìn)自建卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行識別分類，包括如下步驟：

(1)車載系統(tǒng)會對道路標(biāo)志進(jìn)行拍攝或錄像，如果拍攝的是圖片，那就直接進(jìn)行彩色轉(zhuǎn)換，如果是視頻格式，那就對視頻抽幀，將RGB圖像轉(zhuǎn)換為HSI顏色模型,HSI分別表示色調(diào)、飽和度及亮度，其過程如下：

給定RGB彩色格式圖像，對任何三個歸一化到[0,1]范圍內(nèi)的R,G,B值，其對應(yīng)的H,S,I分量由公式(1)至公式(4)表示：

色調(diào)：

飽和分量：

亮度分量：

(2)設(shè)定閾值范圍，判斷像素是否為目標(biāo)像素即交通標(biāo)志區(qū)域的像素,提取目標(biāo)像素顏色信息,進(jìn)行初步顏色分割獲得感興趣區(qū)域,其過程如下：

對彩色圖像即紅、黃、藍(lán)進(jìn)行分割時，依靠H、S、I三個分量相互獨立，同時考慮到自然環(huán)境下交通標(biāo)志圖像色彩的波動性，可以對彩色圖像的各個分量進(jìn)行適當(dāng)?shù)亟M合進(jìn)行閾值分割，輸出掩摸由公式(5)至公式(7)所示：

設(shè)定一組顏色經(jīng)驗閾值，即每種顏色分量的色調(diào)閾值上下限值和飽和度閾值，然后通過判斷閾值范圍將各個顏色分割出來，最后得到分割后的圖像；

(3)區(qū)分交通標(biāo)志與非交通標(biāo)志的SVM分類器,以此來判斷感興趣區(qū)域是否為交通標(biāo)志，其過程如下：

根據(jù)SVM的基本原理，最優(yōu)分類面既要能將兩類樣本正確分開，又要使得分類間隔最大；SVM的學(xué)習(xí)可以看作一個最優(yōu)化問題，可以表示為：

其中，x_i∈R^D,i＝1,…，N為訓(xùn)練數(shù)據(jù)，訓(xùn)練數(shù)據(jù)集中樣本個數(shù)為N；y_i∈{-1,1}為樣本標(biāo)簽，也即分類結(jié)果；<x_i,x_j>表示兩個向量之間的點積運算；C為懲罰因子；K<x_i,x_j>為核函數(shù)；a_i為待學(xué)習(xí)的參數(shù)，通過最優(yōu)化學(xué)習(xí)，得到最優(yōu)解：

然后，可以得到最優(yōu)分類面的權(quán)向量和偏移量，表示為:

于是，最優(yōu)分類面函數(shù)可以表示為:

(4)確定真實感興趣區(qū)域后，把此區(qū)域歸一化處理，其過程如下：

使用雙三次插值法采用公式(12)至(16)將圖像歸一化到28*28；

f(i+u,j+v)＝ABC (13)

A＝[S(1+u) S(u) S(1-u) S(2-u)] (14)

C＝[S(1+v) S(v) S(1-v) S(2-v)]^T (16)

其中，A、B、C均為矩陣，u,v均為[0，1]區(qū)間的浮點數(shù)，u表示最近鄰像素點和待插值點水平方向的距離，u與v對應(yīng)，表示垂直方向的距離，f(i,j)表示源圖像(i,j)處的灰度值，f(i+u,j+v)表示待插值點的灰度值，S(w)為雙三次插值基函數(shù)；

(5)歸一化處理得到交通標(biāo)志的位置后,使用自建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，提交交通標(biāo)志牌分類算法,分類算法所需設(shè)置的參數(shù)包括網(wǎng)絡(luò)權(quán)值初始化方式、卷積核初始化方式、卷積神經(jīng)網(wǎng)絡(luò)的層數(shù)、特征圖數(shù)量在內(nèi)的參數(shù),通過訓(xùn)練樣本來學(xué)習(xí)網(wǎng)絡(luò)中的參數(shù),進(jìn)而識別不同位置的交通標(biāo)志的類別，具體分步驟如下：

1)利用變形增量的GTSRB數(shù)據(jù)集訓(xùn)練網(wǎng)絡(luò)；

2)將檢測結(jié)果為標(biāo)志牌區(qū)域的感興趣區(qū)域，輸入到上一步訓(xùn)練好的網(wǎng)絡(luò)中，判斷其所屬的小類。