基于BP 网络分类器的交通标志识别

基于BP 网络分类器的交通标志识别

摘要：针对中国全部 3 大类 116 个交通标志，即禁令标志、指示标志、警告标志，用 BP 网络实现分类功能. 实验中使用了 3 种测试集，即加高斯噪声、水平扭曲和日本交通标志实景图，对BP 网络的分类性能进行了测试. 实验结果表明：用 BP 网络实现交通标志粗分类功能的效果是比较理想的，对交通标志的颜色失真和形状失真均具有较好的容错性和鲁棒性.

关键词：道路交通标志识别；智能分类器；BP 网络；机器识别

为了安全驾驶和有效导航，交通部门在公路道路上设置了各类重要的交通标志，作为道路交通的有关信息提供给驾驶员. 在 ITS(Intelligent Trans- portation System，智能交通系统)研究领域中，如何实现交通标志的自动识别，对于自动驾驶或辅助驾驶系统的实现都是非常重要的.

交通标志识别 TSR(Traffic Sign Rrecognition) 技术作为交通信息服务系统的重要手段，主要是分析处理交通场景图像，从复杂的交通场景图像中检测出交通标志，然后对交通标志进行正确判别. 本文针对中国 3 大类交通标志，用 BP 网络实现分类功能，并用 3 种测试集对网络性能进行了测试.

交通标志的分类

检测与判别是TSR系统2 个主要的基本技术环节[1]. 检测的主要任务是获取感兴趣区域(ROI)，通过颜色提取和形状分析来进一步完成交通标志的检测[2]. 判别的主要任务是识别出每个标志里符号的含义，在过去的研究中，人们大多数用神经网络来完成判别工作，如BP网络、RBF网络、k邻近决策规则等[3]，而实验中用到的交通标志图数量不是很多，并未涵盖全部交通标志.

如果对中国全部3 大类 116 种交通标志一起进行判别，由于样本数量大，且实时的交通标志图干扰因素较多，判别的正确率势必会有所下降. 而与道路交通安全有关的标志主要有 3 大类，即禁令标志、指示标志、警告标志，如图 1 所示. 每类标志都具有特殊的形状和颜色，特定的符号和特定的尺寸、比例，以便于识别. 因此可以根据 3 类交通标志各自的特点，先进行大的分类，然后针对每一类再进行具体的判别，这样整个判别环节将被细化成几个互相独立的小环节，便于作进一步的判别.

根据颜色和形状的特征来进行分类是最常用的分类方法，但实时的交通标志中都存在着不同程度的颜色失真和形状失真，会影响到分类的准确率。

禁令标志 指示标志 警告标志