CNN与人工特征提取快速识别斑马线的方法-电子设计工程.PDFVIP

第26卷 第3期 电子设计工程 2018年2月 Vol.26 No.3 ElectronicDesignEngineering Feb.2018 CNN与人工特征提取快速识别斑马线的方法 1 1 2 熊平 ，胡彩霞 ，周欣星 （1.中南大学生物医学工程系，湖南 长沙410083；2.湖南中医药大学 第一附属医院，湖南 长沙410000） 摘要：斑马线识别方法的研究对车载和导盲系统具有极其重要的作用。为了解决目前识别斑马线 的方法精确度低、所需时间长等问题，本文提出了一种基于卷积神经网络与人工特征提取相结合 的快速识别斑马线方法，卷积神经网络能自动检测出所有的符合斑马线特征的区域，再利用梯度 极大值比较等人工特征提取方法进一步精确检测范围。通过实验分析与数据训练，结果表明这种 方法运算速度能在60ms内，且识别出的斑马线精确度高达96%。 关键词：卷积神经网络；人工特征提取；梯度极大值；斑马线；检测识别 中图分类号：TN911.73 文献标识码：A 文章编号：1674-6236（2018）03-0189-05 ResearchonthemethodofCNNandartificialfeatureextractionforrapid identificationofzebracrossing 1 1 2 XIONGPing ，HUCai⁃xia ，ZHOUXin⁃xing （1.DepartmentofBiomedicalEngineering，CentralSouthUniversity，Changsha410082，China；2.The FirstAffiliatedHospitalofHunanUniversityofChineseMedicine，Changsha410082，China） Abstract: Studyonthezebracrossingrecognitionplaysanimportantroleinvehicleandguidesystem.In ordertosolvetheproblemsoflowprecisionandlongtimeneededtoidentifythezebracrossing，thispaper presentsa rapid method ofdetecting zebra crossing，through combining the method ofconvolutional neural network and the method of artificial feature extraction. Convolutional neural network can automaticallydetectallpossibleregion，andusingthegradientmaximumcomparisonofartificialfeature extraction method can further accurate detection range. Through the experimental analysis and data training，theresultsshowthatthismethodcanbeusedin 60ms，andtheaccuracyofthezebracrossingis upto96%. Keywords: convolutionalneuralnetwork；artificialfeatureextraction；gradientmaximumcomparison；