交通標(biāo)示識別技術(shù)綜述

1、交通標(biāo)示識別技術(shù)綜述交通標(biāo)示識別技術(shù)綜述3791202102c-0015-02隨著科技的進(jìn)展，傳統(tǒng)的工業(yè)生產(chǎn)、RM的日常生活都向著無人化、智能化轉(zhuǎn)型。車輛行駛已經(jīng)成為絕大多數(shù)人每天都會接觸到甚至使用的。正在研發(fā)當(dāng)中的無人駕駛技術(shù)或者幫助駕駛技術(shù)有著比人類更為寬闊的感知范圍和靈敏的反應(yīng)時間，將會給人們帶來了巨大的便捷和安全保障。智能車的駕駛技術(shù)包含了感知層、決策層和操縱層1。識別車輛所處的交通場景和環(huán)境信息是感知層的重要任務(wù)2，主要使用攝像頭、雷達(dá)、傳感器來對環(huán)境中的障礙物、路況、標(biāo)示信息進(jìn)行采集和分析，就相當(dāng)于駕駛員的眼睛。交通標(biāo)示識別技術(shù)應(yīng)用于感知層。交通標(biāo)示含有豐富的信息，對車輛行駛起到指

2、示和限制作用，對的實(shí)現(xiàn)智能化感知在無人車技術(shù)的討論中有著重要作用。1數(shù)據(jù)集和評價指標(biāo)交通標(biāo)示的識別與檢測是計算機(jī)視覺領(lǐng)域內(nèi)富有挑戰(zhàn)的任務(wù)，因此舉辦多次挑戰(zhàn)賽鼓舞眾多科研人員進(jìn)行討論。隨著挑戰(zhàn)賽公開的數(shù)據(jù)集有德國交通標(biāo)示識別數(shù)據(jù)集GermanTrafficSignRecognitionBenchmark，GTSRB和德國交通標(biāo)示檢測數(shù)據(jù)集GermanTrafficSignDetectionBenchmark，GTSDB3。GTSRB和GTSDB作為該領(lǐng)域的常用數(shù)據(jù)集，研發(fā)的算法都需要在這兩個數(shù)據(jù)集上進(jìn)行驗證，方可得到認(rèn)可。這兩個數(shù)據(jù)集都是取自于德國街景，因此，交通標(biāo)示皆是德國標(biāo)準(zhǔn)制式。該數(shù)據(jù)集中

3、的德國交通標(biāo)志主要分為3個大類，分別為禁止標(biāo)志：紅色圓形的外形，內(nèi)部是黑色字體表示限速或者圖形表示車型禁行;警告標(biāo)志：紅色三角形的外形，通常表示危急，道路曲折等;指示標(biāo)志：藍(lán)色圓形，內(nèi)部白色箭頭指示，左轉(zhuǎn)、右轉(zhuǎn)等信息。GTSRB是交通標(biāo)示的識別任務(wù)，也就是圖像分類。該數(shù)據(jù)集共包含51840幅圖像，每幅圖像包含一個交通標(biāo)志，共包含43類。GTSDB是交通標(biāo)示檢測任務(wù)，檢測任務(wù)包含了圖像分類和目標(biāo)定位，檢測任務(wù)更為冗雜一些。該數(shù)據(jù)集共900幅圖像，共包含1206個交通標(biāo)志。一張圖像上包含多個目標(biāo)，并包括了光照不均、圖示破損等狀況，是比較有挑戰(zhàn)性的一個數(shù)據(jù)集。交通標(biāo)示識別的評價指標(biāo)是精確率。即分類的

4、正確率。如公式1所示，正確率越高代表著算法越為可靠。交通標(biāo)示的檢測使用平均精度作為評價指標(biāo)。主要考慮，其一，檢測目標(biāo)的位置，檢測的標(biāo)準(zhǔn)結(jié)果用矩形框標(biāo)注，當(dāng)找到的標(biāo)志與矩形框重合超過50%時，即為召回;其二，分類的正確性，即上文的精確率。綜合二者指標(biāo)得到平均精度，即召回率和精確率同樣高時，會得到比較高的平均精度。2現(xiàn)有技術(shù)計算機(jī)視覺的任務(wù)目前分為兩個流派，一是傳統(tǒng)的圖像處理技術(shù)，主要運(yùn)用圖像本身的信息，如對灰度、色彩、邊緣等進(jìn)行識別和分類。在機(jī)器學(xué)習(xí)技術(shù)出現(xiàn)之前，眾多挑戰(zhàn)賽都是應(yīng)用傳統(tǒng)圖像處理技術(shù)，并且已經(jīng)處于瓶頸當(dāng)中。二是基于學(xué)習(xí)的技術(shù)，近10年興起的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)徹底轉(zhuǎn)變了交通標(biāo)示識

5、別的局面，取得了很多傲人成果。以下就分別從這兩個方面介紹最新的交通標(biāo)示識別的方法。2.1基于圖像處理的方法彩色圖像分別為RGB三通道，每個通道分布為0255之間，圖像處理技術(shù)對矩陣直接操作。交通標(biāo)示不同類之間的外形差距很大，而類間差距很小。大連理工大學(xué)的蔡俊杰4使用圖像預(yù)處理技術(shù)設(shè)定閾值應(yīng)用于交通標(biāo)示圖像的RGB顏色空間，形成以交通標(biāo)示為主的顯著圖，然后使用Sobel算子進(jìn)行邊緣檢測，進(jìn)一步使用霍夫變換完成了目標(biāo)圖像的提取，并設(shè)計了交通標(biāo)識檢測和識別系統(tǒng)實(shí)現(xiàn)了仿真。彩色圖像能夠提供豐富的語義信息，但是同樣會受到光照的影響。許華榮等5為了克服光照改變對交通標(biāo)示檢測產(chǎn)生的影響，應(yīng)用基于RGB顏色空

6、間的先驗學(xué)問設(shè)計了的顏色概率模型，生成交通標(biāo)示的顯著性圖譜以進(jìn)行分割，并試驗證明了其魯棒性。劉芳6設(shè)計了基于留意力機(jī)制的交通標(biāo)志識別算法，在顏色顯著圖的基礎(chǔ)上，使用樣子語義信息和模板匹配的方法來確定區(qū)域是否為交通標(biāo)識。2.2基于學(xué)習(xí)的算法機(jī)器學(xué)習(xí)的思想顛覆了交通標(biāo)示識別的方法，其后在此基礎(chǔ)上進(jìn)展的深度學(xué)習(xí)的方法，具有更好的泛化性。天津大學(xué)的徐巖等7對主成分分析法和極限學(xué)習(xí)機(jī)進(jìn)行改良，首先提取交通標(biāo)志數(shù)據(jù)庫中每個交通標(biāo)志的梯度方向直方圖特征，利用改良的主成分分析法進(jìn)行降維，之后進(jìn)行訓(xùn)練，訓(xùn)練好的模型在數(shù)據(jù)集上可到達(dá)97.69%的正確率。深度學(xué)習(xí)應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行提取特征進(jìn)行訓(xùn)練。其優(yōu)點(diǎn)是

7、自動提取特征，隨著網(wǎng)絡(luò)層數(shù)的增加，提取到更加高級的特征;缺點(diǎn)是訓(xùn)練依靠于數(shù)據(jù)的選擇。楊心8設(shè)計了一種快速卷積神經(jīng)網(wǎng)絡(luò)算法，能夠?qū)⒌玫降母信d趣的區(qū)域進(jìn)行交通標(biāo)示分類。在GTSRB數(shù)據(jù)集上該算法對交通標(biāo)示分類精確率高達(dá)98.03%，并且可以到達(dá)實(shí)時識別的速度?；旌鲜褂脗鹘y(tǒng)圖像處理和深度學(xué)習(xí)網(wǎng)絡(luò)成為交通標(biāo)示檢測算法的進(jìn)展趨勢。黃娜君9先使用MSER算法對圖像進(jìn)行分割，得到交通標(biāo)志所在的感興趣區(qū)域，然后把分割的感興趣區(qū)域輸入深度卷積神經(jīng)網(wǎng)絡(luò)提取特征和分類，該算法在GTSDB數(shù)據(jù)集上的平均識別率到達(dá)了98.54%。3結(jié)語交通標(biāo)識識別技術(shù)是智能交通系統(tǒng)的重要組成部分，有著重要的理論意義和有用價值。交通標(biāo)示識別技術(shù)已經(jīng)不局限使用傳統(tǒng)方法還是深度學(xué)習(xí)的方