[发明专利]一种道路交通标志识别方法有效
| 申请号： | 201711392349.4 | 申请日： | 2017-12-21 |
| 公开（公告）号： | CN108154102B | 公开（公告）日： | 2021-12-10 |
| 发明（设计）人： | 汪慧兰;黄娜君;洪名佳;戴舒 | 申请（专利权）人： | 安徽师范大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06K9/46;G06K9/60 |
| 代理公司： | 芜湖安汇知识产权代理有限公司 34107 | 代理人： | 方文倩 |
| 地址： | 241000 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种道路交通标志识别方法，包括：构建深度卷积神经网络，选取交通标准数据库和现场采集的交通标志图像对构建的深度卷积神经网络进行训练和测试，得到训练后的深度卷积神经网络；采集实时交通标志图像；在Itti模型的基础上加入交通标志位置分布先验知识，以调整采集的交通标志图像，然后进行亮度均衡化处理和颜色增强，再通过MSER算法提取交通标志的感兴趣区域；感兴趣区域输入到训练后的深度卷积神经网络进行卷积和池化处理，得到一维的特征矢量；通过全连接的BP神经网络完成一维的特征矢量的识别，输出识别结果，进行实时显示和播报。本发明可以准确识别采集到的各种类型交通标志，并通过文字或者语音及时提醒驾驶员做出相应的反应。 | ||
| 搜索关键词： | 一种 道路 交通标志 识别 方法 | ||
【主权项】：
一种道路交通标志识别方法，其特征在于：包括以下步骤：步骤一：构建深度卷积神经网络，选取交通标准数据库和现场采集的交通标志图像对构建的深度卷积神经网络进行训练和测试，得到训练后的深度卷积神经网络；步骤二：采集实时交通标志图像；步骤三：在Itti视觉注意模型基础上加入交通标志位置分布先验知识，以调整采集的交通标志图像，然后进行亮度均衡化处理和颜色增强，再通过MSER算法提取交通标志的感兴趣区域；步骤四：步骤三中得到的感兴趣区域输入到训练后的深度卷积神经网络进行卷积和池化处理，得到一维的特征矢量；步骤五：通过全连接的BP神经网络完成一维的特征矢量的识别，输出识别结果，进行实时显示和播报。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽师范大学，未经安徽师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711392349.4/，转载请声明来源钻瓜专利网。
