[發明專利]一種基于深度學習的交通標志識別方法

有效

• 申請號: 202010105769.5
• 申請日: 2020-02-19
• 公開（公告）號: CN111325152B
• 公開（公告）日: 2023-09-26
• 發明（設計）人: 劉哲;賀國平;楊佳現;陳子豪;劉宇豪
• 申請（專利權）人: 北京工業大學
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V10/764;G06V10/82;G06N3/0464;G06N3/047;G06N3/084
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

一種基于深度學習的交通標志識別方法屬于圖像識別領域。包括以下步驟：步驟一、獲取交通標志數據集，并對數據集進行預處理。步驟二、構建TSR_ConvNet網絡結構進行訓練。TSR_ConvNet網絡加入改善過擬合的Dropout策略，加入批量歸一化層。設計合適的卷積核尺寸。全連接層的softmax分類層采用Label?smoothing策略。步驟三、將預處理后的交通標志圖像輸入到TSR_ConvNet網絡模型，進行交通標志識別。本發明在保證較高準確率的情況下簡化了模型結構，使得模型計算量小從而訓練時間大幅減少，具有更好的實用性。

技術領域

本技術屬于圖像識別領域，是一種基于卷積神經網絡進行特征提取，可應用于道路交通標志的識別。

背景技術

交通標志載有大量有效道路信息，對于調節交通流量緩解交通擁堵和預示道路路況防止發生交通事故起到了重要指示作用。然而真實的自然環境復雜多變，交通標志識別的準確性和實時性極易受到交通標志褪色變形、復雜的光照環境以及天氣變化、交通標志被障礙物遮擋、汽車運動導致圖片模糊等因素的影響。因此快速可靠的交通標志識別系統成為輔助駕駛與智慧交通系統的重要組成部分。現有的交通標志識別方法根據所采用的技術的不同，可總體上劃分為以下三類：HSV顏色空間的閾值圖像分割技術，基于人工提取特征和機器學習相結合的分類技術和基于卷積神經網絡進行特征提取從而進行識別的技術。基于HSV顏色空間的閾值圖像分割技術根據交通標志顏色的不同進行識別，能夠有效識別出不同類別的交通標志。比如紅色代表停止、禁止類，藍色代表指示標志類，黃色代表注意警告類，綠色代表安全類。然而由于每種大類下面可細分出不同小類的交通標志，對具體的交通標志類型識別率不高。基于人工提取特征和機器學習相結合的技術，采用方向梯度直方圖、LBP特征等方法進行特征提取。然后采用傳統的分類器進行分類。比如支持向量機、隨機森林分類器、AdaBoost算法等。然而該方法針對不同的類別的交通標志，需要設計不同的特征。人工設計特征的好壞往往導致交通標志圖像的識別精度和識別效率有較大起伏，在實際應用中存在著很大的挑戰。隨著人工智能的發展，深度學習為交通標志識別提供了一種新的方案。卷積神經網絡可以在不進行預處理的情況下從大量樣本中學習特征，不僅避免了手工制作特征的設計難度，而且還可以訓練更多的特征，大大提高了交通標志識別的準確性。目前主流的卷積神經網絡框架有用于手寫數字識別的LeNet-5,用于圖像分類的AlexNet、VGGNet等。雖然它們能夠取得很高的識別準確率，但在訓練的過程中計算量非常大，對硬件的要求較高，操作復雜，而且訓練非常耗時。

發明內容

本發明提供一種基于改進的卷積神經網絡模型的交通標志識別方法。具有訓練時間短、識別準確率高、良好的泛化能力的特點。使用德國交通標志數據集(GTSRB)進行交通標志分類識別實驗。實驗結果表明，在GTSRB基準數據集上獲得98.74％以上的識別準別率以及每幅圖像17ms的識別速度。本發明構建的交通標志識別模型TSR_ConvNet具有模型的參減少、模型訓練時間短，在1.5h內能夠訓完成。

本發明通過對數據集進行預處理，得到了高質量的數據集。包括為交通標志圖像采用加權平均法進行灰度化處理、對比度受限的自適應直方圖均衡化(CLAHE)、提升數據集平衡性的數據增廣(加噪、模糊、旋轉)。采用Random?erasing方法，解決交通標志識別過程中遇到物體遮擋問題，提高模型的泛化性，解決了過擬合問題。

本發明提出了一種用于交通標志識別的TSR_ConvNet網絡模型。基于經典的Lenet-5卷積神經網絡進行改進。包括加入改善過擬合的Dropout策略，在卷積層DropoutRatio設置為0.2，全連接層Dropout?Ratio設置為0.5。在卷積層后面添加批量歸一化層即Batch?Normalization層，防止過擬合和梯度消失，加速訓練。卷積核尺寸由5×5改成3×3，減少了計算量，加快了訓練速度。并且全連接層的softmax分類層采用Label-smoothing策略，使算法具有更好的魯棒性。

為了實現上述問題，本發明提供了一種改進的基于卷積神經網絡模型的交通標志識別方法。該方法具體包括：