基于深度學習和虛擬數據的交通信號燈檢測技術研究

基于深度學習和虛擬數據的交通信號燈檢測技術研究

研究了基于自動駕駛和輔助駕駛技術的交通信號燈檢測技術。此技術利用來自路面場景的虛擬數據，在照亮的交通信號燈周圍自動生成邊界，訓練了一個8層的深層神經網絡，其預先沒有經過用于區分交通信號燈信號（綠、黃、紅）的訓練。使用虛擬數據進行訓練之后，利用從車輛前方攝像頭收集的真實數據進行神經網絡的測試。

新的區域提取技術使用色彩空間轉換和輪廓提取技術來識別候選區域，以供深層神經網絡進行分類。根據一天早中晚對應的環境變化轉換RGB（紅黃藍合成的顏色）圖像，以便更準確地提取相關的有用區域，并根據顏色、形狀和大小進行過濾，這些候選區域將被送入深層神經網絡。著重研究了敏感區域處理方法，該方法可以將假陰性和假陽性的候選區域最小化，然后將其送給深層神經網絡進行分類。此解決方案可用于從駕駛員輔助級別到全自動駕駛級別的多種自主性應用。

在訓練數據中，使用了大量的假性例子（無交通信號燈的圖像）而非真性的例子（交通信號燈圖像），因為在有些情況下探測到的不是交通信號燈，因此希望在訓練數據中有相似的分布。相等數量示例訓練的神經網絡比數據集上訓練的神經網絡具有更多的非交通信號燈信號數據，其中無交通信號燈的圖像數量大于有交通信號燈的圖像數量。

未來的工作將會擴展虛擬和現實世界的數據集，以解決所有的變化，并消除誤報。此外，應擴展數據集，包括左轉和右轉的轉彎箭頭。

Maryam Moosaei.SAE 2017-01-0104.

編譯：賈春輝