基于YOLO目标检测算法的交通标志检测与识别系统综述

点击蓝字

关注我们

关注并星标

从此不迷路

计算机视觉研究院

公众号ID｜计算机视觉研究院

学习群｜扫码在主页获取加入方式

• 论文地址：https://mdpi.longhoe.net/

计算机视觉研究院专栏

Column of Computer Vision Institute

YOLO（You Look Only Once）是一种基于深度神经网络的算法，具有实时对象检测功能。这种最先进的技术被广泛使用，主要是因为它的速度和精度。

YOLO自提出概念以来，已被应用于交通标志、行人、红绿灯、车辆等的检测和识别。

目的：

本研究的目标是从应用、数据集、指标、硬件和挑战五个相关方面系统地分析YOLO目标检测算法在交通标志检测和识别系统中的应用。

方法：

本研究对2016-2022年发表的使用YOLO的交通标志检测和识别研究进行了系统的文献综述。

结果：

检索发现115项与本研究目标相关的初步研究。在对这些调查进行分析之后，获得了以下相关结果。YOLO在该领域最常见的应用是车辆安全和智能自动驾驶汽车。用于训练、测试和验证基于YOLO的系统的大多数标志数据集都是公开的，重点是来自德国和中国的数据集。人们还发现，大多数工作都通过使用不同版本的YOLO，为交通标志检测和识别系统提供了复杂的检测、分类和处理速度指标。此外，最受欢迎的桌面数据处理硬件是Nvidia RTX 2080和Titan Tesla V100，在嵌入式或移动GPU平台的情况下，还有Jetson Xavier NX。最后，确定了这些系统在实际道路条件下运行时面临的七个相关挑战。考虑到这一点，对研究进行了重新分类，以应对每种情况下的这些挑战。

结论：

该SLR是应用YOLO检测和识别交通标志的技术开发领域中最相关和最新的工作。此外，还提供了关于未来可用于改进该领域的工作的见解。

PART/1

   背景   

道路交通事故（Road Traffic Accidents,RTA）是全球范围内造成损害、伤害或死亡的主要原因之一。这些事故是发生在道路和高速公路上的涉及车辆的事件。它们可归因于各种因素，包括人为错误、环境条件、技术故障或这些因素的组合。此外，世界卫生组织（世界卫生组织）指出，2018年交通事故引发的疾病在世界上排名第八，占全球死亡人数的2.5%。根据2015年的数据，世界卫生组织还估计，每年可能有125万人死亡。2019年，美国约有1215万辆汽车发生车祸。

预计未来几年，该国每百万居民的道路事故数量将下降，到2025年将略高于7100起。在欧洲，介于2010年和2020年，道路死亡人数下降了36%。与2019年22800人死亡相比，2020年在欧盟道路上丧生的人数减少了4000人。据Yu等人介绍，许多研究都集中在交通安全方面，包括交通事故分析、车辆碰撞检测、碰撞风险预警和碰撞预防。此外，已经提出了几种专门使用计算机视觉（CV）和深度学习（DL）进行交通标志检测和识别的智能系统。

在这种情况下，