基于深度学习的交通标志物识别研究

• 作者: 秦丽娟 闫昊男
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 探索与观察
• 页码范围: 35-36
• 页数: 2页
• 语种: 中文

摘要

随着城市交通流量日益增大,交通管制难度也不断增大.拥堵、路况复杂等因素,不仅对交通管制形成严峻挑战,作为驾驶员来说,也是压力倍增.针对这种形式,相关人员陆续着手研发智能交通系统(TSI),TSI自诞生以来,在缓解交通拥堵和强化交通管制方面发挥着越来越重要的作用,TSI的应用越来越广泛.不管是无人驾驶技术,还是智能辅助驾驶系统,都对TSI有着不同的程度的依赖和需求;同时,日新月异的信息技术和大数据处理,也让TSI面临着新的挑战.交通标识物的识别研究,是TSI当中最重要的一个研究方向,且变得越来越重要.本文基于SVM网络的变形,优化出一种基于卷积神经网络一对多SVM交通标志物识别算法,其次,在交通标志物检测方面,在的卷积神经网络基础上,结合深度学习对检测算法做出优化和改进.测试结果表明,这两种优化方式在识别的准确率上都有良好的表现.