交通标志检测

摘要： 针对当前在真实环境中交通标志呈多尺度分布,且图像背景复杂、天气光照多变等多种因素造成识别精度低、识别速度慢等情况。提出了一种基于深度学习神经网络的交通标志识别的设计与实现。首先从公开数据集TT100K中选取出现次数最多的45类交通标志进行识别,接着对图像进行mosaic等图像增强及图像处理。然后在深度学习神经网络中的YOLOv4网络结构上进行改进,使用聚类划分需要检测的目标框尺寸和CIOU对预测结果进行优化,最后使用迁移学习对模型进行训练。通过对模型的评估发现,与现有的方法相比,该模型的识别精度更高,识别速度更快。

摘要： 针对交通标志尺度变化大导致检测精度低的问题,本文提出一种改进CenterNet的交通标志检测算法。采用ResNeSt50作为主干特征提取网络,引入PSConv(Ploy-Scale Convolution)改进网络卷积层结构。设计多尺度感受野模块,对ASPP(Atrous Spatial Pyramid Pooling)选取合适的膨胀率,利用注意力机制优化模块输出,提升对不同尺度标志的检测能力。在解码网络设计特征增强模块,减少因连续上采样导致的特征丢失。针对CenterNet回归目标尺寸不准确的问题,使用GHM(Gradient Harmonizing Mechanism)对损失函数改进。经实验验证,改进后算法总体精度提升了9.45%,速度达到每秒91.09帧,适用于交通标志检测。

摘要： 交通标志检测在车辆辅助驾驶系统、自动驾驶等领域是一个重要研究内容,它能即时协助驾驶员或自动驾驶系统有效地检测和识别交通标志。基于该需求,提出了一种基于真实交通场景的交通标志检测方法。首先,选择合适的数据库,将数据库中的道路场景图像转换为灰度图像,并对灰度图像进行简化Gabor滤波处理,强化交通标志的边缘信息。其次,利用区域推荐算法MSERs对Gabor滤波后的特征图进行处理,形成交通标志的推荐区域。最后,通过提取HOG特征,使用SVM进行分类。通过实验,分析了简化Gabor滤波器的特征提取性能、SG-MSERs区域推荐及筛选的性能,并且得到了算法的大类分类准确率以及所需要的处理时间。实验结果表明,所提算法在GTSDB和CSTD数据集上都获得了较好的检测性能,基本满足实时处理的需求。

摘要： 在交通标志检测中,小而稠密的交通标志易受遮挡、恶劣天气等复杂自然环境的影响,导致检测性能较差.针对此问题,提出一种基于注意力机制的多尺度小目标交通标志检测方法.以CSPDarknet53为基础设计了一种新型的特征提取网络,使得输出特征图的分辨率得以增大、目标更易于检测,同时通过反卷积自适应级联结构融合浅层细节信息与深层语义特征.此外,构造了一种基于空间注意力机制的倒金字塔结构,以高分辨特征图生成的注意力系数图增强低分辨率特征图的显著区域检测性能.实验结果表明该方法在满足实时性的情况下,不仅提高了小尺度交通标志的检测性能,而且对复杂自然环境下的交通标志检测更具鲁棒性,显著优于典型的目标检测算法.在自制数据集上,检测精度达到95.26%,在0.8的IoU阈值下,相比YOLOv3高19.1%.

摘要： 实时精准的交通标志检测是实现自动驾驶和智能交通的重要技术之一.针对真实智能驾驶场景中背景复杂且交通标志尺度较小,现有的检测方法容易出现错检和漏检等问题,提出一种尺度感知的双向特征金字塔网络,实现复杂交通场景中实时、精准的交通标志检测.首先,为解决微小标志在传统金字塔网络中尺度丢失的问题,通过构建自底向上和自顶向下的双向金字塔网络,循环地学习尺度感知的融合特征;然后引入前景注意力模块和尺度感知损失函数,学习和优化不同尺度下的前景显著特征和关联,实现多尺度前景目标分离;最后,引入轻量级和非轻量级主干卷积网络,可以同时提高模型效率和精度.在真实复杂场景的交通标志数据集TT100K和STSD中的实验结果表明,该方法的检测精度达到了66.7%和60.9%,同时实时检测速率达到了30帧/s.

摘要： 为解决复杂驾驶环境中小目标交通标志的高精度检测问题,基于Cascade R-CNN级联模型提出一种多任务级联模型GA-CMF R-CNN(guided anchoring-cascade mask flow R-CNN)。采用ResneXt101(32×4d)-FPN作为特征提取网络,确保特征图的语义信息和分辨率信息;采用GA-RPN作为区域生成网络,提高网络特征表达能力;模型融合Mask R-CNN的mask分支,在级联的mask分支间添加信息流,通过对先验框中的目标进行语义分割,提高检测精度。在公开交通标志检测数据集上的测试结果表明,该模型能有效提高复杂环境下小目标交通标志的检测和识别精度。

摘要： 为提高自然场景下交通标志检测实时性差的问题,提出了一种基于视频码流的交通标志检测方法。此方法充分利用编码块像素之间的相关性和码流中能体现的不同交通标志颜色特征和边缘特征,通过分析视频码流帧内预测模式、像素残差分布情况值和像素残差信息,对交通标志进行目标粗定位;通过分析视频码流帧间预测码流预测模式、像素残差分布情况值和运动矢量信息,对交通标志检测进行修正。此方法避免了视频解码过程中整数IDCT变换、反量化、重构和环路滤波等耗时的操作。基于中国交通标志数据库(CCTSDB)的实验获得了96.9%检测率和4.3%误检率,该方法检测时间较短,可满足实时检测要求。

摘要： 针对自然场景中小型交通标志检测漏检和虚警问题,提出了一种多尺度上下文融合的交通标志检测算法。以YOLOv3为检测框架,将特征金字塔网络的深层特征信息融合进更浅层特征层,提高更浅层特征层中高级前景语义信息的利用率;在YOLOv3框架基础上加入上下文模块,重新分配交通标志特征图中的上下文信息权重,加强目标特征信息的复用;使用融合预测目标置信度的网络损失函数来进行端到端的训练。在中国交通标志数据集TT100K上试验75类小型交通标志获得了56.93%的平均精度均值,相比于YOLOv3算法,所提算法精度提高了9.19%,验证了所提算法的有效性,表明了在小目标和多目标的环境下所提算法检测效果提升明显。

摘要： 提出了一种改进的MobileNetv3-YOLOv3算法.引入SPPNet去除重复特征,提高候选框的选取速度,加快模型的推理速度;引入CSPNet消除计算瓶颈,节省计算量;引入Focus层防止特征图信息丢失,保证模型的准确度.在CCTSDB数据集上的实验结果表明:MobileNetv3与YOLOv3算法结合最佳,改进MobileNetv3-YOLOv3算法的平均精度高达97.7%,检测速度FPS达到89,与YOLOv3算法相比较,本文算法精确度(P)、召回率(R)、平均精度值(mAP)、每秒传输帧数(FPS)都得到了提升,分别提升6%,1.8%,1.8%和15%,与最新的算法相比较本文的P值以及mAP值均取得了最优的结果.可以看出所提出的算法在极大地减少模型参数量和计算量的同时,提高了检测精度以及检测速度.

摘要： 传统基于卷积神经网络的交通标志检测网络采用堆叠大量卷积核的方式进行下采样,限制了卷积神经网络的感受野建模,难以灵活地调整内部参数,从而丢失图像的细节信息,导致小目标与遮挡目标的检测精度与定位精度降低。提出基于YOLOv5采样优化的交通标志检测网络。以新型算子作为基础架构,采用自卷积方式灵活提取不同通道的特征,并构建跨阶段注意力机制模块,以增加各通道特征的重要性权值,从而提高小目标的检测能力。通过改进的通道聚合网络实现多尺度语义信息与细节特征的融合与增强,同时利用K-means聚类算法生成更适合交通标志的先验框,在非极大值抑制算法中引入距离交并比函数对预测框进行后处理,避免错误抑制复杂场景下被遮挡的目标,从而提高定位精度。在中国交通标志数据集上的实验结果表明,当交并比阈值为0.5时,该网络的平均精度均值为95.8%,与YOLOv5网络相比模型参数量减少了15.7%,在满足实时性的同时具有较优的小目标检测性能。

摘要： 交通标志检测是自动驾驶系统中的重要组成部分,本文从数据集和检测算法两方面入手,通过对照实验对交通标志检测现状进行了调研.此外本文根据真实情况提出了新的数据集构建原则及评价标准,并构建了小规模的新数据集与其他数据集进行对比.实验结果展示了当前交通标志识别算法在数据集之间的差异,也验证了本文所提出的数据集有着更强的针对性,更能反映待测方法在真实路面情况下的识别效果,同时也能为算法模型的改进提供合理参考.

摘要： 针对自然环境中，复杂光照环境影响到采集图像的质量导致基于色彩模型的图像分割失效这一问题，提出了一种新的适合于自然环境下交通标志检测、识别系统的分割算法。通过研究图像像素的颜色模型相关性和空域相关性，设计聚类算法在图像中分离出各个同质区域。该算法提高了交通标志检测、识别系统对光照条件的适应性，很好地避免了交通标志误检、漏检和标志内部指示信息丢失。为下一步实现自然环境下交通标志的检测、识别打下良好的基础。

摘要： 通过对标志颜色特征的研究,提出标志检测的有效方法.并通过实验比较使用RGB色度空间和HSI色度空间的识别的结果,验证了本方法的有效性.

摘要： 本发明公开了一种交通标志牌快速参数化BIM动态建模方法及交通标志牌BIM建模系统，所述建模方法包括S1、导入路线文件，获取桩号坐标、路面宽度、横坡坡率路线设计信息；S2、基于标志版面通用图，参数化设计标志牌版面；S3、基于标志结构设计通用图，参数化设计支撑形式；S4、基于标志平面布置图，填写必要信息或导入标志牌信息表；S5、三维视图中动态创建交通标志牌模型；S6、对交通标志牌模型进行定位、浏览、修改和查找；S7、提取，分析数据，批量生成交通标志一览表与标志牌模型。本发明针对交通工程中标志牌的种类、支撑形式、形状、尺寸、颜色、符号及文字进行参数化设计，提供交互式操作界面，实现沿路线批量创建交通标志牌BIM模型。

摘要： 本发明公开了一种交通标志牌快速参数化BIM动态建模方法及交通标志牌BIM建模系统，所述建模方法包括S1、导入路线文件，获取桩号坐标、路面宽度、横坡坡率路线设计信息；S2、基于标志版面通用图，参数化设计标志牌版面；S3、基于标志结构设计通用图，参数化设计支撑形式；S4、基于标志平面布置图，填写必要信息或导入标志牌信息表；S5、三维视图中动态创建交通标志牌模型；S6、对交通标志牌模型进行定位、浏览、修改和查找；S7、提取，分析数据，批量生成交通标志一览表与标志牌模型。本发明针对交通工程中标志牌的种类、支撑形式、形状、尺寸、颜色、符号及文字进行参数化设计，提供交互式操作界面，实现沿路线批量创建交通标志牌BIM模型。

摘要： 本发明提出一种交通标志识别模型训练方法、交通标志识别方法和装置，所述交通标志识别方法通过利用深度学习神经网络中单阶段检测算法具有的识别特性，大大避免了检测的时长；所述交通标志识别模型训练方法以FCOS算法为基础，通过引入注意力机制CBAM来减少正负样本不均衡的现象；引入swish函数避免一定程度的特征丢失现象；并通过多尺度特征融合来保护特征不同尺度的特征。本发明所述交通标志识别方法能够实现真实道路场景中交通标志的实时检测和识别，并解决了检测中存在检测对象目标小、自然环境干扰和识别的实时性等问题。

摘要： 本公开的实施例公开了交通标志图像识别模型训练方法和交通标志图像识别方法。交通标志图像识别模型训练方法的一具体实施方式包括：将预处理后的训练样本包括的交通标志模板图像输入至预设的初始识别模型包括的模板图像识别网络，以生成模板图像特征；基于模板图像特征和对应的样本标签信息，对预设的标志特征索引表进行更新，以生成更新索引表；将待训练标志图像输入至待训练图像识别网络，以生成待训练图像特征；基于模板图像特征和待训练图像特征，生成图像识别结果；响应于确定图像识别结果满足预设条件，基于更新索引表和待训练图像识别网络，生成交通标志图像识别模型。该实施方式可以提高交通标志图像识别模型的训练效率。

摘要： 本实用新型提供了一种交通标志装置和具有该交通标志装置的交通标志系统。所述交通标志装置包括显示单元、电池板、处理器、无线通信单元，所述处理器与所述显示单元、所述电池板、所述无线通信单元均电性连接，所述显示单元用于显示交通警示信息，所述电池板用于为所述交通标志装置提供电能，所述无线通信单元用于与一发射机建立通信连接并接收该发射机发送的控制信息，所述处理器用于依据该控制信息控制所述显示单元显示警示信息。本交通标志装置通过无线通信单元能够实现与发射机的无线通信，不需要通过导线进行通信，利于交通标志装置的安装和维护，能根据发射机发送的控制信息实时改变显示单元的显示情况，无线发送信号覆盖面积广。

摘要： 本实用新型公开了一种交通标志及双立柱单悬臂交通标志杆件结构，涉及交通设施技术领域，具体为一种交通标志及双立柱单悬臂交通标志杆件结构，包括底架，所述底架的顶部固定连接有立柱，所述立柱顶部的外表面固定连接有固定套，所述固定套的外侧可拆卸连接有悬臂，所述悬臂上设置有卡柱，所述固定扣的内部连接有拉绳，所述顶板的顶部固定连接有第一滑轮座，所述顶板的外侧固定连接有第二滑轮座。该交通标志及双立柱单悬臂交通标志杆件结构，通过卡槽和限位扣的设置，更换时效率较高，省时省力，并且通过插杆和凸缘的设置，方便后续的维修，通过拉绳、第一滑轮和第二滑轮的设置，防止悬臂的力矩过大使悬臂与固定套之间的连接处发生断裂。

摘要： 本实用新型公开了一种用于道路交通标志的型材连接件，用于连接道路交通标志的框架型材，包括弯头本体，所述弯头本体的两端均设有伸出的第一限位插杆，所述第一限位插杆均包括底杆部和设于底杆部顶面上的凸出部、以使第一限位插杆呈凸字形，所述凸字形的第一限位插杆用于插入相配合的道路交通标志框架型材顶面上的限位凹槽内被卡紧限位、以使型材连接件与框架型材形成稳固连接，所述凸出部从限位凹槽的开口处露出、以用于将型材连接件与框架型材焊接固定。本实用新型还公开了一种道路交通标志。本实用新型具有结构简单紧凑、安装方便快捷、制作成本低、连接稳固性好、安全性高的优点。

摘要： 本实用新型涉及一种交通标志及双立柱单悬臂交通标志杆件结构，属于交通工程技术领域。交通标志包括基座、杆件结构及标志板，基座包括混凝土块、地脚螺栓及预埋法兰盘；杆件结构包括并排布置的内侧立柱与外侧立柱，焊接于立柱底端上的底座法兰盘，及位于立柱一侧的悬臂式支撑横梁；支撑横梁的内端部焊接有连接法兰盘，与连接法兰盘相适配的固定法兰盘通过与支撑横梁共轴布置的连接横管焊接在内侧立柱的上端部上，连接横管朝背离支撑横梁的方向延伸至与外侧立柱焊接固连；通过固定螺母与伸出预埋法兰盘的部分地脚螺栓配合，而将底座法兰盘可拆卸地固定在预埋法兰盘上。能有效减少后续改建工程对交通的干扰，可广泛地应用于道路工程领域。

摘要： 本发明提供一种交通标志检测方法，包括：颜色空间转换步骤，将输入的待处理图像转换为HSV颜色空间图像；过滤步骤，根据各个交通标志标准颜色的通过范围，过滤待处理图像的HSV颜色空间图像，基于通过过滤的图像区域而生成连通域；排除步骤，根据交通标志标准规则排除所生成的连通域中不是交通标志的区域，其余连通域作为交通标志候选区域；识别步骤，根据交通标志候选区域的特征识别出相应的交通标志。本发明还相应地提供一种交通标志检测设备。

摘要： 本发明提供一种交通标志检测方法，包括：颜色空间转换步骤，将输入的待处理图像转换为HSV颜色空间图像；过滤步骤，根据各个交通标志标准颜色的通过范围，过滤待处理图像的HSV颜色空间图像，基于通过过滤的图像区域而生成连通域；排除步骤，根据交通标志标准规则排除所生成的连通域中不是交通标志的区域，其余连通域作为交通标志候选区域；识别步骤，根据交通标志候选区域的特征识别出相应的交通标志。本发明还相应地提供一种交通标志检测设备。