摘 要

随着科技的进步，辅助驾驶员进行智能驾驶的技术的也逐渐应用于实际中，限速标志识别作为该技术的重要组成部分，主要目的是为了确保驾驶员安全驾驶。实际生活中由于驾驶员粗心大意未能注意到限速标志，因车辆超速而引发交通事故事件经常发生，对个人和社会造成的损失很大。因此，对限速标志的检测识别研究具有非常重要的意义。

本文借助限速标志的基本特征和卷积神经网络的理论知识，提出了一种用于检测和识别限速标志的方法。该方法主要包括以下三个部分：第一部分是限速标志的检测定位，首先利用限速标志的颜色特性进行图像处理，提取出图像中红色部分，再使用形态学进行膨胀和腐蚀处理，滤除图像中的相关噪声，之后使用canny轮廓提取，并利用限速标志的形状特性排除轮廓提取出的伪目标，实现限速标志的精确定位。第二部分是限速标志数字分割和提取，首先对图像进行二次分割后使用Otsu二值化处理，排除圆环对数字提取影响，然后使用投影分割法从目标区域中提取出数字。第三部分是限速标志中数字的识别，运用LeNet-5网络结构构建预测模型，模型的训练集采用MNIST手写数字数据集。经过训练的模型用于识别限速标志中的数字，并输出结果以完成识别限速标志的工作。实验结果显示，本文所采用的方法对限速标志进行识别具有较高的识别率。

本文的特色：本文利用MNIST数据集训练模型识别下限速标志中数字，使得该系统具有很好的扩展性，可以直接对不同的交通标志数据集进行限速标志识别。

关键词：限速标志识别；卷积神经网络；字符分割；颜色分割

Abstract

With the advancement of science and technology, the technology of assisting drivers in intelligent driving is gradually applied in practice. Speed ​​limit sign recognition is an important part of this technology. The main purpose is to ensure safe driving for drivers. In actual life, drivers fail to pay attention to speed limit signs due to carelessness, and traffic accidents caused by vehicle overspeed often occur, causing great losses to individuals and society. Therefore, the research on the detection and recognition of speed limit signs is of great significance.

In this paper, based on the basic characteristics of speed limit signs and the theoretical knowledge of convolutional neural networks, a method for detecting and identifying speed limit signs is proposed. The method mainly includes the following three parts: The first part is the detection and positioning of the speed limit sign. First, the color characteristics of the speed limit sign are used for image processing, the red part in the image is extracted, and then the morphology is used for expansion and corrosion treatment, and filtered out The related noise in the image is then extracted using canny contour, and the shape characteristics of the speed limit sign are used to eliminate the pseudo target extracted by the contour, and the accurate positioning of the speed limit sign is achieved. The second part is the digital segmentation and extraction of the speed limit sign. First, the image is subdivided and then Otsu binarization is used to eliminate the effect of the ring on the digital extraction. Then, the projection segmentation method is used to extract the number from the target area. The third part is the identification of numbers in the speed limit sign. The LeNet-5 network structure is used to build a prediction model. The training set of the model uses the MNIST handwritten digital data set. The trained model is used to identify the numbers in the speed limit signs and output the results to complete the work of identifying the speed limit signs. Experimental results show that the method adopted in this paper has a high recognition rate for speed limit sign recognition.

Features of this article: This article uses the MNIST data set training model to identify the numbers in the lower speed limit signs, which makes the system very extensible and can directly perform speed limit sign recognition on different traffic sign data sets.

Key Words：Speed ​​limit sign recognition; Convolutional neural network; Character segmentation; Color segmentation

目录

第1章 绪论 1

1.1 课题研究背景和意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 2

1.3 课题研究内容 3

第2章 限速标志的检测与定位 4

2.1 交通标志的特征分析 4

2.2 基于颜色分割的限速标志检测方法 5

2.2.1 基于HSV空间的颜色分割 5

2.2.2 基于形态学的图像滤波去噪 7

2.2.3 基于Canny边缘检测的限速标志定位 8

2.3 排除限速标志的伪目标 9

第3章 限速标志数字分割 11

3.1 引言 11

3.2 数字分割 11

3.2.1 Otsu二值化处理 11

3.2.2 基于投影的数字分割 12

3.3 字符图像处理 12

3.3.1 图像增强 12

3.3.2 图像归一化处理 13

第4章 基于卷积神经网络的数字识别 14

4.1 卷积神经网络分析 14

4.1.1 卷积神经网络核心思想 14

4.1.2 卷积神经网络结构 14

4.2 基于LeNet-5模型的数字识别 15

4.2.1 LeNet-5网络模型 15

4.2.2 模型训练与预测 17

第5章 实验结果与分析 20

5.1 实验环境 20

5.2 实验结果评估指标 20

5.3 实验结果分析 20

第6章 总结和展望 22

6.1 全文总结 22

6.2 未来展望 22

参考文献 24

致谢 26

第1章 绪论

1.1 课题研究背景和意义

21世纪以来，我国的计算机和人工智能相关领域发展迅猛，很大程度的带动了我国汽车相关领域的发展。汽车产业的发展改变了人们的生活习惯，方便了人们的出行，人们的生活质量明显提高，同时也刺激了国家经济的发展。但随着我国汽车总量的不断增加，交通拥堵和道路安全等交通问题应运而生，每年发生的交通事故数量、人员伤亡情况以及造成的经济损失都在在不断增多。据国家交管局统计公布的相关数据显示，我国现有汽车数量在2019年6月已经达到2.5亿多俩。而每年发生的在我国的交通事故数量和造成的经济损失也让人感到震惊，例如，我国在2017年一年内发生了20多万起交通事故，6万多人因此而失去生命，直接造成超过12亿的财产损失。一个个触目惊心的数据警示我们，交通安全问题阻碍了社会的进步和发展，必须得到妥善的解决。进入21世纪以来，计算机技术得到了快速的发展，世界各国研究人员也愈来愈重视利用计算机进行无人驾驶技术的研究。