一种交通标志识别模型的建立方法技术

本发明专利技术揭示了一种交通标志识别模型的建立方法，包括如下步骤：S1、获取交通视频图像，截取交通标志图片，汇总构成训练集；S2、模拟实际场景中出现的交通标志识别情况，通过图像处理操作对训练集进行人为步长；S3、对训练集进行预处理操作；S4、建立用于交通标志识别的SSD模型；S5、将训练集输入SSD模型中、完成对模型的训练，使用测试集进行性能检验，最终得到交通标志识别模型。本发明专利技术所构建的交通标志识别模型具有较高的检测精度和准确度、且鲁棒性较强，识别的实时性程度高，可在先进的辅助驾驶以及无人驾驶等多方面发挥重要作用。

A method of establishing traffic sign recognition model

【技术实现步骤摘要】
一种交通标志识别模型的建立方法
本专利技术涉及一种建模方法，具体而言，涉及一种基于深度学习的交通标志识别模型的建立方法，属于人工智能

技术介绍
交通标志是绝大多数国家在道路上设置的标志以警告、禁止、限制、指示道路使用者，根据国家GB5768.2-2009道路交通标志和表现第2部分的文件内容，交通标志按作用不同分类，可以分为主标志已经辅助标志两类。其中主标志分为警告标志、指示标志、指路标志、禁令标志、道路施工安全标志、旅游区标志，每个种类中又分为不同的交通标志。传统的交通标志识别方法大体可以分为基于颜色、形状等视觉信息的识别方法以及基于特征提取和机器学习的识别方法两方面。其中，基于图像颜色信息的交通标志识别方法主要通过图区图像颜色特征，对图像找那个交通标志分割并检测出来，然后进行分类，虽然速度较快，但是误检率偏高。这种算法的关键在于对颜色空间的选择，基础的颜色空间特征为RGB颜色空间特征，由于光照变化，常常采用改变不同通道比值或RGB值归一化的方式，或将RGB颜色空间转换至其他颜色空间，如HIS颜色空间、HSV颜色空间、LAB颜色空间、YCbCr颜色空间等中进行分割。XinL等人为了减少场景图像处理的计算复杂，提出了一种基于颜色标准化的解决方法，将场景图像映射为一个由八类标准颜色组成的标准化图像，从中提取出与交通标志相关的五种颜色，形成标准化的交通标志检测区域，从而完成对特定交通标志的识别。RutaA等人使用了基于颜色距离变换的方法构建简单强大的图像表示。C.Y.Fanga等人提出了一种基于人类视觉识别模型的自动交通标志检测与识别系统，通过提取图像的红色、蓝色和黄色信息用于交通标志的检测，而白色，黑色信息用于交通标志的识别。Creusen等人人在交通标志图像缺乏良好的颜色信息时，计算图像的两度空间，将该特征输入分类器获得交通标志分类识别结果。基于形状的交通标志识别方法通常扫描整幅图像提取形状特征，根据形状特征算子对交通标志做出检测，然后进行识别，但是识别速度较慢，整个过程话费时间较长。霍夫变换在交通标志检测中使用的比较多，他可以有效的从图像中提取出直线、圆等几何形状，但霍夫变换需要大量运算，在检测中需要使用大量的存储空间，导致实时性效果较差。Garcia等人在限定条件下使用活肤变化对圆周和三角形符号进行检测，这种方法减少了霍夫变换的计算量。Boumediene等人提出了一种在灰度图像上检测三角形交通标志的有效方法，利用交通标志编码梯度获得一组角点，在角点编码上检测对称线，实现了三角形警告标志的正确检测。蒋刚毅等人使用数学形态学理论方法处理并提取交通标志内核形状的骨架形态特征，然后利用该特征进行模板匹配，最终完成交通标志的检测识别。郑义等人提取交通标志的形态和几何特征，并且使用了多种提取方法进行交通标志检测。仅使用颜色特征或形状特征进行识别的方法各有优点，因此，将颜色特征与形状特征相结合的方法在交通标志识别中也被广泛使用。Abukhait等人提出了一种基于道路标志颜色及其几何属性的自动化道路标志检测和识别方法，通过提取图像颜色特征信息对交通标志进行分割，使用几何方法获得感兴趣区域，然后利用交通标志轮廓的几何尺寸来进行形状识别，这种方法在交通标志被遮挡，缩放或倾斜是取得了良好的检测效果。刘芳等人结合图像颜色、形状、方向和明亮程度等特征，将各个特征按照一定策略合并成特征图，实现了对三角形警告标志的检测定位。Paclk等人则按照一定的规则容和图像中交通标志的颜色形状特征信息，根据这些先验信息将交通标志划分为不同组，然后进行分类，但是该类方法仍具有较大的局限性，在背景复杂或出现相似物干扰时，会出现漏检。总体而言，从交通标志检测识别技术的研究初期至今，各国的研究人员大部分的精力投入交通标志检测与识别的算法研究，取得了一批优秀的成果。然而，这些技术的发展却进入了一个瓶颈阶段，现有技术中的各项方法均存在着诸如准确率较低、实时性较差各项不足。也正因如此，如何在现有技术的基础上提出一种全新的交通标志识别模型的建立方法，将所建立的模型应用于交通标志识别中，以克服现有技术中的各种不足，也就成为了本领域内技术人员亟待解决的问题。
技术实现思路
鉴于现有技术存在上述缺陷，本专利技术的目的是提出一种基于深度学习的交通标志识别模型的建立方法，具体如下。一种交通标志识别模型的建立方法，包括如下步骤：S1、训练集构成，获取实际场景中所拍摄的交通视频图像，截取交通视频图像中的交通标志图片，将全部交通标志图片进行汇总，构成训练集；S2、训练集增广，模拟实际场景中出现的交通标志识别情况，通过多种图像处理操作对训练集中的交通标志图片进行人为步长；S3、图片预处理，对训练集中的全部交通标志图片进行预处理操作；S4、模型构建，建立用于交通标志识别的SSD模型；S5、模型训练，将训练集输入SSD模型中、完成对模型的训练，随后使用测试集对已完成训练的SSD模型进行性能检验，最终得到可用于交通标志识别的交通标志识别模型。优选地，S2中所述图像处理操作包括：角度旋转、图像模糊、运动模糊以及图像平移。优选地，S2所述训练集增广，包括如下步骤：S21、角度旋转，采用角度旋转操作，对训练集中的交通标志图片分别进行顺时针旋转及逆时针旋转，旋转的角度为5°～10°；S22、图像模糊，采用高斯模糊对训练集中的交通标志图片进行处理；S23、运动模糊，采用图形目标运行来对训练集中交通标志图片内的交通标志进行人为添加运动模糊；S24、图像平移，通过对对训练集中交通标志图片的平移，制造出交通标志不完整的图片样本、加入训练集中。优选地，S3所述图片预处理，包括如下步骤：S31、尺寸归一化，对训练集中的全部交通标志图片进行尺寸归一化处理，将全部交通标志图片调整为400*260的尺寸规格；S32、图像增强，采用伽马变换对训练集中图像灰度过高或过低的图片进行校正、增强交通标志图片的对比度，以增强图片中高灰度或低灰度部分的细节。优选地，S4中所述用于交通标志识别的SSD模型属于端到端网络。优选地，S4中所述用于交通标志识别的SSD模型内的各特征提取层均为低层级特征提取层。优选地，S5所述模型训练，包括如下步骤：S51、将训练集输入SSD模型中，利用反向传播算法完成对SSD模型的优化训练；S52、优化训练完成后，使用测试集对已完成训练的SSD模型进行性能检验，得到全部预测结果；S53、使用非最大值抑制算法对结果进行筛选、从全部预测结果中筛选获得最佳结果，并最终得到可用于交通标志识别的交通标志识别模型。本专利技术的优点主要体现在以下几个方面：本专利技术根据交通标志的特点，在SSD模型的基础上调整特征图尺度及宽高比、去除高层级抽象特征图，进而提出了一种交通标志识别模型并将其用于交通标志识别。采用本专利技术的方法所建立的交通标志识别模型具有较高的检测精度和准确度、鲁棒性较强，模型应用过程中的实时性程度高，可在先进本文档来自技高网...

【技术保护点】
1.一种交通标志识别模型的建立方法，其特征在于，包括如下步骤：/nS1、训练集构成，获取实际场景中所拍摄的交通视频图像，截取交通视频图像中的交通标志图片，将全部交通标志图片进行汇总，构成训练集；/nS2、训练集增广，模拟实际场景中出现的交通标志识别情况，通过多种图像处理操作对训练集中的交通标志图片进行人为步长；/nS3、图片预处理，对训练集中的全部交通标志图片进行预处理操作；/nS4、模型构建，建立用于交通标志识别的SSD模型；/nS5、模型训练，将训练集输入SSD模型中、完成对模型的训练，随后使用测试集对已完成训练的SSD模型进行性能检验，最终得到可用于交通标志识别的交通标志识别模型。/n

【技术特征摘要】
1.一种交通标志识别模型的建立方法，其特征在于，包括如下步骤：
S1、训练集构成，获取实际场景中所拍摄的交通视频图像，截取交通视频图像中的交通标志图片，将全部交通标志图片进行汇总，构成训练集；
S2、训练集增广，模拟实际场景中出现的交通标志识别情况，通过多种图像处理操作对训练集中的交通标志图片进行人为步长；
S3、图片预处理，对训练集中的全部交通标志图片进行预处理操作；
S4、模型构建，建立用于交通标志识别的SSD模型；
S5、模型训练，将训练集输入SSD模型中、完成对模型的训练，随后使用测试集对已完成训练的SSD模型进行性能检验，最终得到可用于交通标志识别的交通标志识别模型。


2.根据权利要求1所述的一种交通标志识别模型的建立方法，其特征在于，S2中所述图像处理操作包括：角度旋转、图像模糊、运动模糊以及图像平移。


3.根据权利要求1所述的一种交通标志识别模型的建立方法，其特征在于，S2所述训练集增广，包括如下步骤：
S21、角度旋转，采用角度旋转操作，对训练集中的交通标志图片分别进行顺时针旋转及逆时针旋转，旋转的角度为5°~10°；
S22、图像模糊，采用高斯模糊对训练集中的交通标志图片进行处理；
S23、运动模糊，采用图形目标运行来对训练集中交通标志图片内的交通标志进行人为添加运动模糊；
S24、图像平移，通过...

【专利技术属性】
技术研发人员：王凤石，
申请(专利权)人：苏州奥易克斯汽车电子有限公司，
类型：发明
国别省市：江苏;32