应用卷积神经网络与RPN的交通标志识别

来源：计算机工程与应用杂志2018年第21期北京时间：

作者：谭台哲1，2，卢剑彪1，温捷文1，李楚宏1，凌伟林1

单位：1.广东工业大学 计算机学院，广州 510006；2.广东工业大学（河源）协同创新研究院，广东 河源 517000

摘要：在智能交通系统中要求交通标志识别具有良好的鲁棒性、实时性，并且实际交通环境中可能因路标模糊、光照强弱、尺度大小、复杂背景等因素的问题，导致交通标志识别准确率很低。针对上述问题，提出了利用深度学习方法设计卷积神经网络，并通过卷积和池采样的多层处理，结合目标检测方法中的RPN网络结构，以提取图像的候选区域，从而对候选区域进行特征提取，最后利用全连接网络实现对特征图进行回归处理，获取检测目标的位置及识别。实验结果表明，该方法能有效地提高检测精度和计算效率，降低错误率，对于光照、旋转等不良因素下交通标志检测具有较好的稳定性和准确性，有效地提高了交通标志识别效率，具有良好的泛化能力和适应性，且满足一定的实时性的要求。

关键词：交通标志检测,实时,区域生成网络（RPN）,智能交通