当前位置:首页 > 物联网 > 《物联网技术》杂志
[导读]摘 要:对神经网络理论和神经网络分类器进行了研究,提出了基于BP神经网络分类器的交通标志识别模型。通过大 量实验和比较,得到了识别效率高的模型,并将这一模型应用到所研究的交通标志识别系统,从而对系统作了初步的实现。

引言

近年来,交通标志识别在车辆视觉导航系统中是一个热 门研究课题。由于交通标志识别需要处理的信息量大,而且 存在大量干扰因素,待识别的图像往往存在干扰,因而要求 交通标志识别方法要有足够的快速性、稳定性。神经网络具有 强大的学习分类以及大规模并行计算能力,被广泛地应用于 图像处理、模式识别等。本文以典型的指示标志为对象,提 出了一种应用神经网络识别交通标志的方法。

1交通标志识别系统结构分析

由于本文主要研究蓝色指示交通标志的识别,所以重点 采集这一系列交通标志。其交通标志分割流程图如图1所示。2提取交通标志特征矩 

2.1不变矩的提取流程

交通标志不变矩特征提取流程图如图2所示。

2.2交通标志特征提取实验和结果分析

本文对环岛行驶、非机动车摩托车行驶和靠右侧道路行 驶三个交通标志进行分割后,分别对它们进行旋转、缩小和 放大,并对这些图像进行了不变矩提取,其特征数据如表1、表2和表3所列。

基于BP神经网络的交通标志识别

基于BP神经网络的交通标志识别

由上表可知 :在这些提取的特征中,不同类型的交通标志矩值之间有明显的区别。比如表 1 中的 β3 与表 2 和表 3 有明显的不同 ;表 3 中的 β6 与另外两个表也有明显的不同。将这些特征值输入到神经网络中,然后经过训练,它们之间的差异即可以成为识别不同交通标志的依据 [3,4]。另外,从表中数据也可以看出,同一类交通标志在做旋转、平移和尺度变换后各个相对应的的同一类矩的值并不是一样的,但是这并不能与不变矩理论相驳斥,数据之间的差异在试验中还是存在的,如果以概率统计观点看,从所有提取的特征来看,这些矩是基本不变的。

3基于BP神经网络的交通标志识别系统的设计

3.1特征数据库的构建

由于实际中使用的蓝色指示标志与标准图有较大的差别,所 以在实验中所使用的交通标志都是由数码相机采集的实景图像。

实验中选取了 8种类型的交通标志作为本文前期研究和 仿真的对象。我们对每幅图像再做不同角度旋转和不同比例 因子的缩放变换(分别缩放为原图的0.8、0.6、0.4、1.2、1.4、1.6,旋转度数分别为 5。、8。、10。、-5。、-8。、-10。),总 共得到43X13=559幅图像,然后对图像进行分割和特征提取, 最终得到559个特征数据。实验时将这些数据分为两部分: 一部分有325个数据,用来对神经网络进行训练;另一部分 有234个数据,作为测试样本,用来进行分类识别。

对于训练策略,本文采用完全训练方法。选择的交通标 志图像库共有8种标志,样本类别数为8,因此输出层的节点 数设为8。隐藏层节点对网络的复杂度和识别率的高低有重要 作用,本设计采用试探法,图3所示是BP网络训练的误差曲线, 图4所示是环岛标志的仿真图片。事实上,采用不同的隐藏层 节点数目神经网络具有不同的识别效果[5, 6]。

基于BP神经网络的交通标志识别

图3 BP网络训练的误差曲线

基于BP神经网络的交通标志识别

图4  环岛标志的仿真图片

最后,网络初始化完成后,还可以对BP神经网络进行 训练。对于本文中三层结构的BP神经网络,我们采用了改进 的BP学习算法,即弹性BP算法对神经网络的权值和阈值进 行了训练,经过多次训练后,网络的性能将达到稳定。

3.2仿真实验的设计与实验结果分析

3.2.1交通标志实景图识别结果展示

本文以环岛标志为例,展示仿真各个步骤的结果。图像 分割后经旋转、缩放得到13幅图像用于仿真。对这13幅图片 分别提取特征矩,13幅环岛标志图像均能够被正确识别出来,识别结果显示如图5所示。

3.2.2探索隐层节点数对识别效果的影响

依照如上的仿真步骤,对所有559幅图像(包括训练样 本和测试样本)进行仿真,并分别统计其识别率,具体的实验 结果如表4所列。

基于BP神经网络的交通标志识别

图5环岛标志识别结果
表4交通标志识别仿真实验结果
隐层节点数
步长
训练样本识别率
测试样本识别率
10
969
100%
85.00%
20
113
100%
85.60%
30
140
100%
89.00%
40
74
100%
91.46%
50
60
100%
93.09%
60
69
100%
91.89%
90
45
100%
90.70%

由表4可以看出,识别中,训练样本的识别都能达到 100% ;对于测试样本的识别,当隐藏层节点数为50时识别 率最高,同时我们注意到,随着隐藏层节点数增加,识别率 不断提高,同时训练时间也随之变短。

实验中,直行标志的识别率最低,分析发现,这是由于 其颜色不正引起的。增加网络中隐层节点的数目也主要是为了 提高该标志的识别率,而其他其中标志的识别率一直比较高, 对隐层节点数的改变不敏感[7' 8Io当隐层节点数为50时,直 行标志的识别率最高,同时整个系统的识别率也最高。

4结语

本文提出了神经网络在交通标志识别过程中分类器的训 练和测试过程与算法。在此基础上,选择了 8种类型的交通 标志,经过分割和特征提取,得到了 559个不变矩数据,将 数据人为分为两份,一份325个用来训练,一份234个用来测试。接着在不同参数下进行了实验和比较,最后确定了较好的神经 网络参数,并在Matlab语言环境下对交通标志识别系统作了 初步实现。当然,本文还有很多不足之处。因此,提出新的学 习算法,以达到更好的识别率,将是进一步研究的方向。

20211020_616ef42cd576d__基于BP神经网络的交通标志识别

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

9月2日消息,不造车的华为或将催生出更大的独角兽公司,随着阿维塔和赛力斯的入局,华为引望愈发显得引人瞩目。

关键字: 阿维塔 塞力斯 华为

加利福尼亚州圣克拉拉县2024年8月30日 /美通社/ -- 数字化转型技术解决方案公司Trianz今天宣布,该公司与Amazon Web Services (AWS)签订了...

关键字: AWS AN BSP 数字化

伦敦2024年8月29日 /美通社/ -- 英国汽车技术公司SODA.Auto推出其旗舰产品SODA V,这是全球首款涵盖汽车工程师从创意到认证的所有需求的工具,可用于创建软件定义汽车。 SODA V工具的开发耗时1.5...

关键字: 汽车 人工智能 智能驱动 BSP

北京2024年8月28日 /美通社/ -- 越来越多用户希望企业业务能7×24不间断运行,同时企业却面临越来越多业务中断的风险,如企业系统复杂性的增加,频繁的功能更新和发布等。如何确保业务连续性,提升韧性,成...

关键字: 亚马逊 解密 控制平面 BSP

8月30日消息,据媒体报道,腾讯和网易近期正在缩减他们对日本游戏市场的投资。

关键字: 腾讯 编码器 CPU

8月28日消息,今天上午,2024中国国际大数据产业博览会开幕式在贵阳举行,华为董事、质量流程IT总裁陶景文发表了演讲。

关键字: 华为 12nm EDA 半导体

8月28日消息,在2024中国国际大数据产业博览会上,华为常务董事、华为云CEO张平安发表演讲称,数字世界的话语权最终是由生态的繁荣决定的。

关键字: 华为 12nm 手机 卫星通信

要点: 有效应对环境变化,经营业绩稳中有升 落实提质增效举措,毛利润率延续升势 战略布局成效显著,战新业务引领增长 以科技创新为引领,提升企业核心竞争力 坚持高质量发展策略,塑强核心竞争优势...

关键字: 通信 BSP 电信运营商 数字经济

北京2024年8月27日 /美通社/ -- 8月21日,由中央广播电视总台与中国电影电视技术学会联合牵头组建的NVI技术创新联盟在BIRTV2024超高清全产业链发展研讨会上宣布正式成立。 活动现场 NVI技术创新联...

关键字: VI 传输协议 音频 BSP

北京2024年8月27日 /美通社/ -- 在8月23日举办的2024年长三角生态绿色一体化发展示范区联合招商会上,软通动力信息技术(集团)股份有限公司(以下简称"软通动力")与长三角投资(上海)有限...

关键字: BSP 信息技术
关闭
关闭