基于卷积神经网络的铁轨路牌识别方法

摘要：

轨道交通在我国综合交通运输体系中占有重要的地位,随着人工智能的发展,智能感知轨道交通周围环境的信息也变得越来越引人注目.本文结合深度学习与图像处理的方法,设计并实现了一种基于卷积神经网络的高铁轨道周边路牌数字识别的智能系统,该系统通过在高铁驾驶室内安装摄像头的方式采集运行前方的视频,并通过目标识别、语义分割等深度学习算法自动定位并识别路牌内的数字,从而解决了之前人工处理的繁琐和低效率.本算法整体系统由三个子模块构成,分别为目标检测模块、语义分割模块以及数字识别模块,其中目标检测模块基于SSD (Single shot MultiBox dector)模型,并对其进行了改进,使其更适用于轨道交通中的小目标识别;语义分割模块使用了全卷积的方式,对目标检测的结果进一步处理,准确得到路牌中的数字区域;数字识别模块的设计参考了著名的识别MNIST数据集的手写体识别系统,并针对路牌中数字的特点做了相应的改进,实现了对每个数字的准确识别.实验结果表明,本系统可适应白天、夜间情况下轨道交通的路况,识别的综合准确率为80.45％,其中,白天的平均识别准确率为87.98％,夜间的平均识别准确率为72.92％.

关键词：智能轨道交通、高铁路牌识别、深度学习、图像处理、目标检测

所属期刊栏目：46

在线出版日期：2020-04-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：518-530