[发明专利]基于改进的卷积神经网络的交通标志识别方法

摘要

本发明涉及一种基于改进的卷积神经网络的交通标志识别方法，该方法以实际行车环境中的车载摄像头拍摄的交通标志图像为实验基础，构建出卷积神经网络模型对其进行识别。首先给交通标志图像做预处理操作，使模型能够得到充分训练，且增加模型的泛化能力；其次使用批量归一化方法(Batch Normalization，BN)来加快网络训练速度；最后通过SVM分类器对提取到的特征进行分类。使用本发明的技术方案对实际车载环境中取得的交通标志图像进行识别，能够取得非常高的正确率，同时网络模型训练时间较短，还能够在极短的时间内识别出交通标志。

主权项

1.一种基于改进的卷积神经网络的交通标志识别方法，其特征在于：首先对实际行车环境中采集的交通标志图像做预处理操作，然后利用本发明设计卷积神经网络模型对预处理后的交通标志图像进行特征提取，最后将提取到的图像特征输入到SVM分类器中进行最后的分类，包括以下步骤：步骤1，将实际行车环境中采集的交通标志图像作为本发明所设计的卷积神经网络模型训练样本和测试样本，并对采集到的原始交通标志图像做预处理操作；步骤2，利用卷积神经网络对预处理后的交通标志图像进行特征提取，其中，卷积神经网络包括输入层、3个卷积层和3个池化层交替连接和2个全连接层；步骤3，将提取的图片特征输入到SVM中进行分类。