[发明专利]一种基于深度学习的机动车交通信号识别方法

摘要

本发明公开了一种基于深度学习的机动车交通信号识别方法，具体步骤如下：步骤一，预处理；步骤二，交通信号灯的定位；步骤三，交通信号灯的识别；步骤四，得到结果：通过步骤一至步骤三得出最终识别结果，用三维向量表示最终识别结果的信号灯状态信息。本发明采用卷积神经网络对交通信号灯进行定位，定位精度更高，采集的图像直接输入训练好的网络，定位更方便快捷，鲁棒性和泛化性能更好；本发明提出的带有压缩扩展模块的10层卷积神经网络在保证识别精度的情况下大大减少了网络的参数，缩小了网络模型的大小；本发明不仅能识别出红绿灯的颜色，还结合各个方向给出方向+颜色的识别结果，适用于大部分机动车交通信号的识别。

主权项

1.一种基于深度学习的机动车交通信号识别方法，其特征在于，具体步骤如下：步骤一，预处理：收集摄像头采集的交通信号灯的图像或视频信息并且进行预处理，预处理包括对视频的分帧处理和对图像进行人工标注、图像增强和滤波；步骤二，交通信号灯的定位：对图像或视频信息使用第一深度卷积神经网络方法得到交通信号灯的位置数据，采用5层卷积层加2层全连接层的卷积神经网络，并采用ReLU激活函数和SVM分类器；步骤三，交通信号灯的识别：使用第二深度卷积神经网络方法识别不同类型的交通信号灯，利用定位得到的位置数据作为训练集训练构建的卷积神经网络，不断调整网络参数直到满足收敛条件，网络采用模块化结构，共10层，第一和最后一层为卷积层，中间8层为模块层，网络采用最大池化进行降采样以及全图平均池化得到分类得分，并采用softmax归一化函数得到分类概率；步骤四，得到结果：通过步骤一至步骤三得出最终识别结果，用三维向量表示最终识别结果的信号灯状态信息。