交通标志识别

摘要： 在汽车自动驾驶和智能交通系统中,交通标志的自动识别至关重要。本文基于深度学习提出一种快速识别交通标志的卷积神经网络,通过加入随机抽样算法防止过拟合现象和使用自适应矩估计算法优化模型改进LeNet-5算法,使得改进后的算法更适合于交通标志的识别,增强了对交通标志图像特征的提取,提升了模型识别精度和训练效率。采用比利时交通标志数据集对改进后的模型进行训练及测试,正确分类率达到91.14%,证明改进后的模型在对交通标志识别方面具有良好的稳定性和可靠性。

摘要： 为了解决目前高清街景图像中定位和分类交通标志任务时,出现的图像目标背景复杂,小目标不易识别等一系列问题,提出了一种基于YOLOV4模型改进的交通标志识别新算法.首先,在原骨干网络中嵌入新型注意力机制CA模块,形成一对方向感知和位置敏感的注意力图,使网络能够在更大区域内聚焦有效特征;其次,在颈部特征增强网络处添加适量的增强感受野RFB模块,进一步提升网络的特征融合能力.在TT100K交通标志数据集上进行实验发现,改进算法在IOU阈值为0.5时,相较于原算法的mAP指标提升了近4个百分点,每秒识别帧数达到了39FPS.因此,提出的CA-RFB-YOLOV4算法可以在增加少量计算参数的情况下,显著提升目标数据的识别精度,更好地满足了实际场景中交通标志识别的需求.

摘要： 针对深度学习算法中目标检测网络模型在复杂环境下识别交通标志的难点,对YOLOv3模型迁移学习算法的基本特点展开研究,构建并划分了复杂环境下中国交通标志数据集,并通过引入特征尺度的概念进一步改进YOLOv3算法,使数据集能够更好地处理各种复杂环境带来的影响。通过对比实验,证明改进后的YOLOv3算法对复杂环境下交通标志检测的效果明显优于标准YOLOv3算法及SSD算法,获得了更高的检测精度和更短的检测时间。

摘要： 为了提高自然交通场景中交通标志的识别精度和检测识别率,提出了一种基于改进LeNet-5网络的交通标志识别算法。该方法对交通标志数据集进行图像尺寸归一化以及数据集增广预处理,增加数据集的多样性,提高了后续模型训练的准确率。对主体LeNet-5网络进行了改进,网络模型使用4层卷积、池化层连接2个全连接层,加深模型的深度;采用ReLU激活函数代替Sigmoid激活函数对卷积运算的结果进行转换,降低算法的计算复杂度;为改善训练神经网络过程中的过拟合现象,在模型中加入Dropout策略;通过实验分析确定算法中的相关参数并与改进前LeNet-5网络进行对比,验证改进算法的有效性。实验结果表明,本研究提出的算法在德国交通标志数据集(GTSRB)上获得99.42%的识别准确率。

摘要： 交通标志识别是无人驾驶系统和智能驾驶系统不可少的关键技术之一,为了提高交通标志的识别准确率,进一步提高无人驾驶汽车在行驶过程中的安全性,提出了一种基于深度残差网络的交通标志识别方法,利用不同尺寸的残差模块进行堆叠,构建了具有100层卷积层的网络模型。以比利时交通标志数据集BTSC作为实验数据,优化网络模型后得到的识别准确率达到99.3462%。实验证明,上述方法在比利时交通标志数据集BTSC上表现很好,识别准确率高于现有的交通标志识别主流方法。

摘要： 针对在嵌入式车载交通标志识别系统对检测模型的大小以及实时性有着较高的要求,在基于原有YOLOv4的网络架构上,提出一种改进后的目标检测网络Mobilenetv2-YOLOv4-SAP。Mobilenetv2-YOLOv4-SAP通过使用轻量级卷积神经网络Mobilenev2对原YOLOv4网络的特征提取网络CSPDarknet53进行替换融合以及引入注意力机制SAP模块解决多通道池化层的信息冗余问题,从而在减少网络模型参数量和计算量的同时,保持较高的检测精度。通过实验表明,改进后的网络模型在Kaggle Road sign detection比赛数据集上的平均检测精度上达到了95.94%较原YOLOv4网络提升了0.34%,该网络模型的大小为48.97MB,仅为原YOLOv4模型大小的20%,且检测速率FPS达到了61帧/秒,相比于原YOLOv4网络模型提升了265%。

摘要： 为了进一步提高交通标志识别的检测精度,文章提出了一种改进的YOLO深度学习网络。其采用双向特征融合网络,引入较少的参数来实现更多的特征融合,并基于中国交通标志数据集计算瞄点框。通过与基准网络进行对比,结果显示,深度学习网络的检测性能更优,从而验证了改进网络的有效性。

摘要： 在实际的道路交通场景中,交通标志图像一般会受到光照强度、雨雪天气、运动模糊以及被物体遮挡等环境因素影响,快速准确地识别交通标志具有一定难度。为了提高交通标志的识别准确率,在传统的卷积神经网络基础上,对采用的德国数据集进行预处理,将数据集进行灰度化和归一化处理,采用eLU激活函数解决卷积过程中出现的梯度消失问题,加入了Flatten层实现卷积层到全连接层的过渡,减少了参数的使用量,避免了过拟合现象,并加深了网络的层数。最后将测试的数据集输入训练好的网络中,在不同的学习率下测试训练模型的表现。结果表明:优化后的网络模型在德国交通标志数据集上的准确率为98.53%。和传统的卷积神经网络相比,该模型具有更高的识别率。

摘要： 针对模型在下采样过程中不断损失图像的高层次信息,从而导致特征提取不足的问题,本文对ResNet网络结构进行改进,提出基于多尺度特征与注意力机制的交通标志识别方法。首先,通过特征融合的方式将模型各个层次的多尺度特征进行融合,丰富特征语义信息,增强网络的特征提取能力。然后,通过注意力机制强化不同通道特征,提升特征整体的表达能力。结合这2种方法可提升模型的交通标志识别准确率。在GTSRB和BelgiumTS交通标志数据集上的实验结果表明,所提出方法的准确率分别达到99.31%和98.96%,优于前沿的交通标志识别算法。

摘要： 道路交通标志在指导安全出行方面起了重要作用,随着智能交通的发展,交通标志识别越来越受到重视。不同光照、雾气下的复杂自然场景(如树林、建筑物)对交通标志识别干扰较大,为减少这些无关干扰因素所带来的识别率不高的问题,提出了一种语义分割网络与分类网络级联的交通标志识别方法。语义分割网络由UNet改进得到,利用了交通标志与背景颜色、形状特征的差异实现对交通图像感兴趣区域的准确提取;而分类网络则是借鉴LeNet5设计的网络结构,在交通标志感兴趣区域的基础上进行特征提取并分类。实验过程中选取三角形和圆形标志构建数据集,实验结果表明,文中方法与其他较好的交通标志分类方法如HOG-SVM、ResNet50相比,在识别时间较短的同时,其识别精度达到了98.96%。

摘要： 复杂城市道路环境下的交通标志识别作为智能车辆以及高级驾驶辅助系统的重要感知技术正逐步受到研究者的关注.本文提出一种基于快速区域卷积神经网络的交通标志识别方法,包括交通标志候选区域提取与分类.通过对输入图片进行卷积及池化操作,提取交通标志特征,然后利用候选区域网络产生候选区域,最后利用快速区域卷积神经网络来完成交通标志的识别.实验结果表明该方法能够自动地提取交通标志的特征,有效地提高了复杂背景下的交通标志识别的准确率,具有良好的泛化能力和适应范围.

摘要： 针对车辆行驶环境中难以检测的交通标志,提出了一种检测和识别方法.首先分割交通标志的特征颜色区域,并扩展感兴趣区域,提取区域边缘.然后用直线分割和杂点去除粗略划分边缘,根据直线间顶点处的曲率关系,计算转向角并分类顶点的类型,用无参数形状检测子来检测图像中的圆形、三角形和矩形等.将检测到的候选区域送入形状分类嚣中,分类形状并排除杂质的干扰,最后通过二元树复小波变换和二维独立分量分析相结合来识别交通标志类型.实验结果表明提出的方法对交通标志被遮挡、光照不均匀、颜色部分失真的情况下,检测率和识别率均较高,并且可以达到实时处理的效果.

摘要： 本文根据目前国内指路标志的设计现状，提出了指路标志嵌入式设计的概念，并对现有指路标志嵌入式设计划分了类型：蓝中嵌绿型、蓝中嵌棕型、绿中嵌棕型。在此基础上，本文按照指路标志嵌入式设计的理念，提出了指路标志嵌入式设计新类型-绿中嵌蓝型。指路标志嵌入式设计可使驾驶员需要认读的标志信息减少，对于避免信息过载，减轻驾驶负荷，提高行车安全性和驾驶舒适性具有重要意义。

摘要： 本文根据目前国内指路标志的设计现状，提出了指路标志嵌入式设计的概念，并对现有指路标志嵌入式设计划分了类型：蓝中嵌绿型、蓝中嵌棕型、绿中嵌棕型。在此基础上，本文按照指路标志嵌入式设计的理念，提出了指路标志嵌入式设计新类型-绿中嵌蓝型。指路标志嵌入式设计可使驾驶员需要认读的标志信息减少，对于避免信息过载，减轻驾驶负荷，提高行车安全性和驾驶舒适性具有重要意义。

摘要： 本文根据目前国内指路标志的设计现状，提出了指路标志嵌入式设计的概念，并对现有指路标志嵌入式设计划分了类型：蓝中嵌绿型、蓝中嵌棕型、绿中嵌棕型。在此基础上，本文按照指路标志嵌入式设计的理念，提出了指路标志嵌入式设计新类型-绿中嵌蓝型。指路标志嵌入式设计可使驾驶员需要认读的标志信息减少，对于避免信息过载，减轻驾驶负荷，提高行车安全性和驾驶舒适性具有重要意义。

摘要： 本文根据目前国内指路标志的设计现状，提出了指路标志嵌入式设计的概念，并对现有指路标志嵌入式设计划分了类型：蓝中嵌绿型、蓝中嵌棕型、绿中嵌棕型。在此基础上，本文按照指路标志嵌入式设计的理念，提出了指路标志嵌入式设计新类型-绿中嵌蓝型。指路标志嵌入式设计可使驾驶员需要认读的标志信息减少，对于避免信息过载，减轻驾驶负荷，提高行车安全性和驾驶舒适性具有重要意义。

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： 本发明实施例公开了一种交通标志发送端和交通标志识别系统。所述交通标志发送端包括：处理模块、数据存储模块以及无线发送模块，数据存储模块，用于存储交通标志发送端所关联的交通标志物的身份标识信息；无线发送模块，用于以无线的方式向周围环境中发送身份标识信息；处理模块，用于读取数据存储模块中存储的身份标识信息，并控制无线发送模块发送身份标识信息。本发明的技术方案通过构建包括总控端、交通标志发送端以及交通标志接收端的交通标志识别系统，可以实现交通标志接收端通过接收交通标志物的身份标识信息来获取标志内容的技术效果，解决了基于图像识别的交通标志物的识别技术识别率低的问题，提高了对交通标志物的识别准确性。

摘要： 本发明涉及用于识别在车辆的环境中的交通标志并且将其与来自数字地图的交通标志信息比较的方法，其中在识别交通标志时产生交通标志识别数据，其中在数字地图数据中提供用于定位该车辆的导航数据并且将该交通标志识别数据与地图数据比较。为了在该方法中能够向驾驶员输出清楚的以及带有尽可能少的错误、并且由此而改善的路线信息，根据本发明，当地图数据与交通标志识别数据之间存在差异时，借助于用于摄像机和地图的可靠性因子来决定，是否在该车辆中输出该数字地图的该数据或该交通标志识别数据。

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： 本发明实施例公开了一种交通标志发送端和交通标志识别系统。所述交通标志发送端包括：处理模块、数据存储模块以及无线发送模块，数据存储模块，用于存储交通标志发送端所关联的交通标志物的身份标识信息；无线发送模块，用于以无线的方式向周围环境中发送身份标识信息；处理模块，用于读取数据存储模块中存储的身份标识信息，并控制无线发送模块发送身份标识信息。本发明的技术方案通过构建包括总控端、交通标志发送端以及交通标志接收端的交通标志识别系统，可以实现交通标志接收端通过接收交通标志物的身份标识信息来获取标志内容的技术效果，解决了基于图像识别的交通标志物的识别技术识别率低的问题，提高了对交通标志物的识别准确性。

摘要： 本发明涉及用于识别在车辆的环境中的交通标志并且将其与来自数字地图的交通标志信息比较的方法，其中在识别交通标志时产生交通标志识别数据，其中在数字地图数据中提供用于定位该车辆的导航数据并且将该交通标志识别数据与地图数据比较。为了在该方法中能够向驾驶员输出清楚的以及带有尽可能少的错误、并且由此而改善的路线信息，根据本发明，当地图数据与交通标志识别数据之间存在差异时，借助于用于摄像机和地图的可靠性因子来决定，是否在该车辆中输出该数字地图的该数据或该交通标志识别数据。

摘要： 本实用新型实施例公开了一种交通标志发送端和交通标志识别系统。交通标志发送端包括：处理模块、数据存储模块以及无线发送模块，数据存储模块，用于存储交通标志发送端所关联的交通标志物的身份标识信息；无线发送模块，用于以无线的方式向周围环境中发送身份标识信息；处理模块，用于读取数据存储模块中存储的身份标识信息，并控制无线发送模块发送身份标识信息。本实用新型的技术方案通过构建包括总控端、交通标志发送端以及交通标志接收端的交通标志识别系统，可以实现交通标志接收端通过接收交通标志物的身份标识信息来获取标志内容的技术效果，解决了基于图像识别的交通标志物的识别技术识别率低的问题，提高了对交通标志物的识别准确性。