论文部分内容阅读
为了提升道路交通标志的识别准确率以及实施性能,本文提出一种改进的LeNet-5卷积神经网络结构对交通标志图像进行训练。首先在检测阶段,采用基于颜色的轻量级分割算法和Hough变换算法提取交通标志的目标区域,并控制算法复杂度使该识别系统基本满足实时性要求,再利用LeNet-5对交通标志进行分类识别。在实际的校园道路在线识别试验中进行检测,结果表明,18个交通标志通过驾驶均在本文的算法中成功识别,其运行速率达到16.9Hz,基本满足交通标志识别稳定、实时等性能要求。