交通标志识别算法对比与分析.docVIP

交通标志识别算法的对比与分析 　　摘 要：交通标志识别作为典型的机器视觉应用，已有多种机器视觉算法得到广泛的应用。卷积神经网络能够避免显式的人工特征提取过程，因此本文引入卷积神经网络为交通标志进行识别研究，并与BP神经网络、支持向量机进行对比实验，通过对实验结果的理解与分析，可以得出卷积神经网络在识别率及训练速度上均显著高于另两种算法，并能取得最佳的识别效果。 　　关键词：BP神经网络；支持向量机；卷积神经网络；交通标志 　　中图分类号：TP393.0 文献标识码：A 　　1 引言（Introduction） 　　交通标志识别是图像处理和模式识别领域的一个研究热点，广泛应用于无人驾驶汽车、车载导航等领域，具有很强的实际应用价值[1]。虽然交通标志的图形结构较为简单，但对自然环境下的交通标志进行识别，面临着遮挡、噪声、光照多变性、形状失真等多方面的严峻挑战，因此交通标志识别是模式识别领域的重点研究内容之一[2]。 　　本文采用三种常见的机器学习方法对交通标志进行识别，分别是卷积神经网络（CNN）、BP神经网络和支持向量机（SVM）。通过在同一个交通标志样本集上进行实验，根据识别率及运行时间对实验结果进行对比分析。 　　2 三种机器学习方法简述（Three kinds of machine 　　learning methods） 　　2.1 卷积神经网络（CNN）