基于深度学习的雾霾天气下交通标志识别

doi:10.3969/j.issn.1674-0696.2020.12.01

重庆交通大学学报（自然科学版） ›› 2020, Vol. 39 ›› Issue (12): 1-5.DOI: 10.3969/j.issn.1674-0696.2020.12.01

• 交通+大数据人工智能 • 下一篇

基于深度学习的雾霾天气下交通标志识别

陈秀新，叶洋，于重重，张雪

(北京工商大学食品安全大数据技术北京市重点实验室，北京 100048)

收稿日期:2019-06-20 修回日期:2019-07-09 出版日期:2020-12-18 发布日期:2020-12-18
作者简介:陈秀新(1979—)，女，山东德州人，副教授，主要从事图像处理、视频信号处理方面的研究。E-mail：chenxx1979@126.com 通信作者：叶洋(1996—)，男，安徽六安人，硕士研究生，主要从事图像处理方面的研究。E-mail：btbuyeyang@126.com
基金资助:
国家重点研发计划专项项目(2018YFC0807903)

Identification of Traffic Signs in Haze Weather Based on Deep Learning

CHEN Xiuxin, YE Yang, YU Chongchong, ZHANG Xue

(Beijing Key Laboratory of Big Data Technology for Food Safety, Beijing Technology and Business University, Beijing 100048, China)

Received:2019-06-20 Revised:2019-07-09 Online:2020-12-18 Published:2020-12-18
Supported by:

摘要/Abstract

摘要： 针对雾霾天气下成像设备获取的图像质量较低导致交通标志难以识别这一现象，笔者提出了先去除雾霾后进行识别的办法。对雾霾图像首先通过深度学习算法IRCNN进行去雾霾处理，然后提出一种多通道卷积神经网络(Multi-channel CNN)模型对去雾霾后的图像进行识别。研究结果表明：IRCNN方法可有效去除雾霾，Multi-channel CNN模型识别效果好，设计的Multi-channel CNN模型的识别率在本次实验的数据集上达到100%，具有很好的泛化性和适应性。

关键词: 交通工程, 智能交通, 去雾霾, 交通标志识别, IRCNN , 多通道卷积神经网络

Abstract: In view of the phenomenon that the image quality acquired by imaging equipment was low in haze weather, which caused difficulty to identify traffic signs, the method of first removing haze and then identifying was proposed.Firstly,the haze image was processed by deep learning algorithm IRCNN,and then a multi-channel convolutional neural network (multi-channel CNN) model was proposed to recognize the image after haze removal.The research results show that IRCNN method can effectively remove haze,and the multi-channel CNN model has a good recognition effect. The recognition rate of the designed multi-channel CNN model reaches 100% on the data set of this experiment, which has good generalization and adaptability.

Key words: traffic engineering, intelligent transportation, haze removing, identification of traffic signs, IRCNN, multi-channel CNN

中图分类号:

U495

陈秀新，叶洋，于重重，张雪. 基于深度学习的雾霾天气下交通标志识别[J]. 重庆交通大学学报（自然科学版）, 2020, 39(12): 1-5.

CHEN Xiuxin, YE Yang, YU Chongchong, ZHANG Xue. Identification of Traffic Signs in Haze Weather Based on Deep Learning[J]. Journal of Chongqing Jiaotong University(Natural Science), 2020, 39(12): 1-5.

参考文献

［1］张国山，刘振. 雾霾天气下交通标志的检测与识别［J］. 天津工业大学学报，2015，34(5): 71-75.
ZHANG Guoshan，LIU Zhen. Traffic sign detection and recognition under haze weather［J］. Journal of Tianjin Polytechnic University，2015，34(5): 71-75.
［2］刘哲，黄文准，黄世奇. 一种快速单幅图像去雾新方法［J］. 计算机系统应用，2017，26(1): 16-23.
LIU Zhe，HUANG Wenzhun，HUANG Shiqi. New fast single image dehazeing method［J］. Computer Systems & Applications，2017，26(1):16-23.
［3］王殿伟，闫伟超，刘颖，等.基于暗原色先验的快速单幅图像去雾算法［J］.计算机应用研究，2018，35(12):322-326.
WANG Dianwei，YAN Weichao，LIU Ying，et al. Fast single image dehazing algorithm based on dark channel prior［J］. Application Research of Computers，2018，35
(12):322-326.
［4］ CAI B，XU X，JIA K，et al. DehazeNet: An end-to-end system for single image haze removal［J］. IEEE Transactions on Image Processing，2016，25(11):5187-5198.
［5］ REN W，MA L，ZHANG J，et al. Gated fusion network for single image dehazing［C］∥ IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake
City: IEEE Computer Society，2018:3253-3261.
［6］ ZHANG K，ZUO W，GU S，et al. Learning deep CNN denoiser prior for image restoration［C］∥ IEEE Conference on Computer Vision and Pattern Recognition.
Honolulu: IEEE Computer Society，2017:2808-2817.
［7］刘亚辰，陈跃鹏，张赛硕，等. 融合式空间塔式算子和HIK-SVM的交通标志识别研究［J］.交通运输系统工程与信息，2017，17(1):220-226.
LIU Yachen，CHEN Yuepeng，ZHANG Saishuo，et al. Traffic sign recognition based on pyramid histogram fusion descriptor and HIK-SVM［J］. Journal of Transportation
Systems Engineering and Information Technology，2017，17(1):220-226.
［8］王方石，王坚，李兵，等. 基于深度属性学习的交通标志检测［J］. 吉林大学学报(工学版)，2018，48(1):319-329.
WANG Fangshi，WANG Jian，LI Bing，et al. Deep attribute learning based on traffic sign detection［J］. Journal of Jilin University(Engineering and Technology
Edition)，2018，48(1):319-329.
［9］任洪梅. 基于深度学习的路面交通标志识别［J］. 信息通信，2017(4): 26-27.
REN Hongmei. Road traffic sign recognition based on deep learning［J］. Information & Communications，2017(4):26-27.
［10］郭翰，徐晓婷，李博.基于暗原色先验的图像去雾方法研究［J］.光学学报，2018，38(4):113-122.
GUO Han，XUXiaoting，LI Bo.Study on image dehazing methods based on dark channel prior［J］.Acta Optica Sinica，2018，38(4):113-122.
［11］余博，郭雷，钱晓亮，等. 一种新的自适应双边滤波算法［J］. 应用科学学报，2012，30(5):517-523.
YU Bo，GUO Lei，QIAN Xiaoliang，et al. A new adaptive bilateral filtering［J］. Journal of Applied Sciences，2012，30(5):517-523.
［12］罗浩，仲佳嘉，李祥.基于改进多尺度Retinex的单幅彩色图像增强算法［J］.吉林大学学报(理学版)，2019，57(2):369-374.
LUO Hao，ZHONG Jiajia，LI Xiang. Singlecolor image enhancement algorithm based on improved multi—scale Retinex［J］. Journal of Jilin University(Science Edition)
，2019，57(2):369-374.
［13］孙静怡，牟若瑾，苏晓波.基于支持向量机的高速公路异常状态检测［J］. 重庆交通大学学报(自然科学版)，2019，38(5):1-7.
SUN Jingyi，MOU Ruojin，SU Xiaobo. Highway abnormal state detection based on support vector machine (SVM)［J］. Journal of Chongqing Jiaotong University(Natural
Science)，2019，38(5):1-7.
［14］ HE K，ZHANG X，REN S，et al. Deep residual learning for image recognition［C］∥ Computer Vision and Pattern Recognition. Las Vegas: IEEE Computer Society，
2016:770-778.

[1]	唐继强1, 2，钟鑫伟2，刘健1，李天瑞3. 基于时间序列季节分类模型的轨道交通客流短期预测[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 31-38.
[2]	戚春华，王笑男，朱守林，李航天. 基于驾驶员视觉兴趣区域的交通工程设施信息量阈值研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(07): 53-60.
[3]	邓天民1，朱杰2，朱凯家1，屈治华3. 基于iForest+Biscting K-means的驾驶风格辨识方法研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 1-6.
[4]	许茂增,张莉. 基于双射软决策理论的路段拥堵影响力识别[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 7-11.
[5]	王涛1，谢思红1，黎文皓1,2，李文勇1. 基于FFOS-ELM和PF的短时交通流自适应预测模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 21-27.
[6]	张诚1，汪成银1，陈志伟2，张正向3，张子磊3. 基于空间流量度的城市路网关键节点挖掘方法[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 28-35.
[7]	王永岗，张衡，彭志鹏，周琬琦. 基于结构方程模型的出租车事故影响因素分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 36-42.
[8]	朱顺应，李维吉，林小媛，肖文彬，王红. 特色小镇游客车辆无复检管控点布设研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 52-58.
[9]	曹杰1，王大成2，戴冉1，李红2，黄富程1. 基于改进物元法的智慧港口发展水平评价模型[J]. 重庆交通大学学报（自然科学版）, 2021, 40(06): 59-65.
[10]	潘兵宏1,2，胡炜1，任卉1,单慧敏1. 基于TruckSim仿真下弯道货车侧滑速度模型研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 38-45.
[11]	吴文静，孙刃超，宗芳，贾洪飞. 居民低碳通勤出行的主观态度识别及影响分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 53-58.
[12]	李军，邓育新. 基于非负矩阵分解的出租车时空行为聚类分析[J]. 重庆交通大学学报（自然科学版）, 2021, 40(05): 59-65.
[13]	成卫1，刘翔1，雷建明2. 基于RBF神经网络预测的交叉口信号周期时长优化[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 13-18.
[14]	史天亮，王文光. 信息观和粒子群算法在城市交通拥堵中的研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 19-25.
[15]	贺玉龙1,2，刘磊1,2，迟佳欣1,2. 高速公路车辆换道行为风险研究[J]. 重庆交通大学学报（自然科学版）, 2021, 40(04): 26-33.

基于深度学习的雾霾天气下交通标志识别

Identification of Traffic Signs in Haze Weather Based on Deep Learning

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics