基于深度学习的交通标志识别

摘要

随着经济的迅速发展和城市化进程的加快,城市交通拥堵的情况日益严重,对城市的发展造成了严重影响.针对这种情况,智能交通系统(ITS)应运而生并迅速发展.作为智能交通系统的一个重要研究方向,道路交通标志识别研究也变得越来越重要;研究出能满足实际道路环境下交通标志识别所要求的准确性、实时性的方法,对于智能交通的发展具有重要意义.本文基于ZF和VGG两种网络的变形,优化实现了一种基于卷积神经网络的交通标志分类算法.交通标志识别存在的主要难点有:标志牌种类繁多、部分标志牌非常相似、实际道路环境复杂等.针对传统机器学习方法非线性学习能力的欠缺,本文使用卷积神经网络(CNN)作为标志牌的分类器,具有精度高、鲁棒性好等优点.