1 简介
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。为了安全驾驶和高效运输,交通部门在公路道路上设置了各类重要的交通标志,以提醒司机和行人有关道路交通信息,如指示标志、警告标志、禁止标志等。交通标志具有特殊的形状、色彩、符号和尺寸,以区别于环境。交通标志识别需要处理的信息量大,而且由于存在大量干扰因素,如光照条件不同,道路情况复杂等,待识别的图像往往存在噪声干扰,因此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、模式识别等领域。人工神经网络由许多具有非线性映像能力的神经元组成,神经元之间通过权系数相连接,其信息分布式存储于连接权系数中,使网络具有很强的容错性和鲁棒性,有效地解决了模式识别中的噪声干扰和输入模式部分损失问题[2]。应用神经网络可以有效地解决这个问题。BP神经网络是神经网络的一种,在模式识别中应用相当广泛。本文提出了一种基于BP神经网络的交通标志识别算法。本文对传统识别交通标志的方法进行了改进,用内核符号作为特征区域,使各标志的特征差异最大化,通过分类器训练减小识别误差来进行交通标志检测。实验结果表明该算法准确,可行。