matlab交通标志神经网络识别,基于神经网络的交通标志识别方法

Municipal & Traffic Construction SCIENCE & TECHNOLOGY FOR DEVELOPMENT 149 基于神经网络的交通标志识别方法 赵丹 沈阳电子技术学校 沈阳 110121 摘要：由于交通标志包含重要的交通信息，利用这些信息可以为车辆自动驾驶、安全驾驶提供计算机辅助决策，从而提高交通安全性和运输效率。目前，对交通标志的自动识别是广大学者研究的热门课题之一。采用基于神经网络学习的方法，采用3个多层神经网络和一个控制单元构造一个人工视网膜的方法，对采集到的图像进行粗分类，确定属于哪类交通标志，进而细分类，识别具体含义。 关键字：基于神经网络的学习 BP 神经网络 Gabor 特征值 智能交通系统是集检测、通信、控制和计算机等技术于一体并结合人工智能理论的系统。随着科学技术的发展，智能交通系统愈加受到学者的广泛关注，并成为国内外广泛研究的课题。交通标志包含重要的交通信息，利用交通标志，可以获知前方道路状况的改变、限制速度、驾驶行为等，适时提供这些信息对于自动驾驶或驾驶辅助系统起到重要的作用。智能交通系统获取外界信息的主要来源是计算机视觉系统，采集到的交通标志易受外界环境干扰，尤其在户外环境中，由于光照条件的变化，采集到的交通标志图像有旋转、变形的迹象，这些为交通标志的识别带来了一定的困难。如何准确、实时地利用计算机视觉系统在复杂的环境下识别道路交通标志成为智能交通系统的难点之一。 为克服空间转换的非线性以及噪声的影响，可采用基于神经网络的学习方法。本文采用 3 个多层神经网络和一个控制单元构造一个人工视网膜。对采集到的交通标志图像进行初分类，识别出3类标志：禁止标志、警告标志和指示标志，然后再分别针对每一类标志进行细分类，识别出具体含义 [1]。 一、交通标志的有关知识 1. 路标概述 路标是图形、符号与颜色的结合，有的包含少量文字，主要起指示、提示和警示作用。交通标志是一种常见、规范的人工路标。在道路上，我们可以看到各种各样的交通标志。它 们用图案、符号表达特定的意思，提醒驾驶员和行人注意附近环境。常见的交通标志主要有警告、禁令和指示标志3类。 2. 基于路标的先验知识 路标不仅要考虑对比度对视认性的影响，还要考虑颜色所能表达的抽象概念。图形符号信息在辨认速度和距离上比文字信息要优越。分辨力受诸多因素的影响，包括细节尺寸、细节间的间隔以及观察距离影响。因此，交通标志可以从颜色、形状、尺寸和安放位置4个方面来细述。 (1)警告标志 ①黄底、黑边、黑图案(仅“叉形符号”除外)。 ②顶角朝上的等边三角形(仅“叉形符号”除外)。其设置地点与到危险地点的距离有关，警告标志到危险地点的距离，应根据计算行车速度确定。如受实际地形限制，可酌情变更。但其设置位置必须明显，并不得少于安全停车视距。 (2)禁令标志 ①白底、红圈、红斜杠、黑图案、图案压杠(仅“解除禁止超车”、“解除限制速度”这两种除外)。 ②圆环形、八角形(仅“停车让行”一种)、顶角向下的等边三角形(仅“减速让行”一种)。设于距禁制事项附近的适当地点，一般需设置在最醒目的地方，并随设置目的而改变。 (3)指示标志 蓝底，白图案。内部背景形状分为圆形或者方形。 一般设于行车道的入口处。 150 SCIENCE & TECHNOLOGY FOR DEVELOPMENT 工程技术 - 市政与交通建设 二、神经网络分类器的基本原理 神经网络是一种由大量处理单元组成的非线性、大规模、自适应动力系统，是一种非线性的映射，并在不同层次上模仿人脑神经系统的信息处理、存储及