基于ST-CNN的交通标志实时检测识别算法

摘要：

深度学习是基于图像的交通标志检测和识别处理的研究热点,已取得了显著的效果.针对基于车载视频的交通标志检测和识别处理问题,文中根据图像序列的帧间时空连续关系构建了时空关系模型(Spatiotemporal Model,STM),并与多尺度卷积神经网络(Convolutional Neural Networks,CNN)相结合,提出了一种基于时空卷积神经网络(Spatiotemporal-CNN,ST-CNN)的交通标志实时检测识别算法.实验结果表明,该算法可对视频图像序列中的同一交通标志实现检测、筛选、追踪和识别处理,在保证高准确率的同时,可有效减少CNN的数据输入,降低系统资源占用量,提高计算效率,满足了视频中交通标志检测识别的实时性要求.算法平均每帧耗时26.82 ms,且识别准确率达到96.94％.

关键词：时空关系模型、实时性、多尺度卷积神经网络、交通标志

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：309-314