38、实时交通标志检测识别与人体姿势监测技术

实时交通标志检测识别与人体姿势监测技术

一、实时交通标志检测与识别

1.1 简介

机器学习算法在汽车领域助力构建高级驾驶辅助系统（ADAS），旨在提升驾驶员的安全性与舒适度。像沃尔沃的道路标志信息系统（RSI）和丰田的道路标志辅助系统（RSA）这类自动交通标志识别系统，已上市多年，成为现代ADAS的重要组成部分。随着汽车数量增长超过经济增长，交通事故及伤亡人数增多，很多事故死亡源于对路况的不了解。交通标志对自动驾驶车辆至关重要，用于交通通知、引导和数据管理，影响驾驶行为。然而，因各种原因导致对交通标志的忽视，增加了交通事故的风险。交通标志分类可自动检测各类交通标志，对专家系统如交通辅助驾驶和自动驾驶系统意义重大，能助力构建“智能汽车”，提升驾驶安全性。

1.2 文献综述

• 有研究提出无需GPU的轻量级CNN架构用于交通标志识别，克服了实时识别中的图像失真、速度、运动效果、噪声和标志褪色等问题。
• 还有研究设计了高效的卷积神经网络用于检测小交通标志，并与R - CNN和Faster R - CNN比较了准确性。
• 部分研究采用CNN集成的交通标志检测和识别系统，分为检测和识别模块，并在比利时和德国的交通标志基准数据集上进行测试。
• 但现有的一些模型存在局限性，如特定于某个国家或地区，不适用于印度道路标志，且存在占用率高、噪声大等问题，导致准确性和性能下降。而提出的TSDR模型在印度道路标志数据集上表现出色，能检测32种不同类型的印度道路标志，整体准确率超90%，有助于减少交通事故。

1.3 提出的TSDR架构

TSDR系