PAGE5交通標(biāo)志檢測難點(diǎn)以及改進(jìn)分析概述為了規(guī)范人們的出行，保證人們的出行安全，交通標(biāo)志應(yīng)運(yùn)而生，交通標(biāo)志的產(chǎn)生幾千年的歷史了，因各國的文化差異，對于交通標(biāo)志的設(shè)計也不盡相同，但因起到的作用是一樣的，各地的交通標(biāo)志也存在相似的地方[37,38]。人眼可以可靠的識別交通標(biāo)志，但行車智能化的趨勢不可避免。正如前文所說，隨著軟件技術(shù)和硬件技術(shù)的發(fā)展，在交通標(biāo)志識別領(lǐng)域已經(jīng)取得了一定的成果，但機(jī)器識別交通標(biāo)志仍存在各種各樣的問題。即使利用現(xiàn)在CNN技術(shù)也無法使得交通標(biāo)志的識別準(zhǔn)確性達(dá)到100%[39,40]。為更好的研究交通標(biāo)志檢測技術(shù)，了解現(xiàn)在識別過程中存在的難點(diǎn)是必要的。目前交通標(biāo)志檢測存在的問題存在如下：（a）光線不足（b）圖像模糊（c）標(biāo)志被遮擋（d）標(biāo)志背景干擾（e）交通標(biāo)志老化（f）分布密集圖1.3交通標(biāo)志檢測存在的問題（1）光線及天氣原因。自然條件下的天氣情況變化隨機(jī)，無法長期準(zhǔn)確預(yù)測，光照水平受天氣狀態(tài)的影響很大。晝夜的交替以及四季的變化使光照條件改變巨大，晚間的光線強(qiáng)度必然低于白天。隨著極端天氣數(shù)量的增多，霧霾，沙塵暴擊強(qiáng)降雨雪天氣的光線強(qiáng)度也弱于常規(guī)天氣。示例見圖1.3（a）。（2）運(yùn)動狀態(tài)下的不清晰。最終目的是要把交通標(biāo)志的檢測應(yīng)用到快速行駛過程中，這時的視覺不同于靜止?fàn)顟B(tài)，相機(jī)采取的交通標(biāo)志圖像角度發(fā)生變化，導(dǎo)致圖像和實(shí)驗(yàn)室凈值狀態(tài)的圖像略有差距、變得不清晰甚至失真。示例見圖1.3（b）。（3）標(biāo)識被實(shí)物遮蔽。道路檢修工具、樹木、電線桿塔以及路燈等都會成為造成道路兩旁交通標(biāo)志被遮蔽的實(shí)物，拍照的角度變化可能導(dǎo)致成像缺失。行人的移動甚至車輛往來都會造成遮擋，檢測受到影響。示例見圖1.3（c）。（4）被類似背景影響。實(shí)驗(yàn)室環(huán)境要比現(xiàn)實(shí)中的道路狀況簡單很多，實(shí)際路況中會有大量顏色相近、形狀相似的指示牌，比如嚴(yán)禁攀爬、防止觸電等相仿的標(biāo)識牌都會對交通標(biāo)志的檢測產(chǎn)生影響，示例見圖1.3（d）。(5)交通指示破損。長期暴露在復(fù)雜天氣狀態(tài)下的交通標(biāo)志，由于風(fēng)吹日曬，雨打霜蝕再加上人類活動的影響等，難免會使交通標(biāo)志發(fā)生化學(xué)質(zhì)變，風(fēng)化缺損在所難免，一些信息的遺漏會使檢測的精度下降。示例見圖1.3（e）。（6）標(biāo)志排列緊密。交通標(biāo)志是按照實(shí)際路況來設(shè)置的，但是每條路的狀況及設(shè)施千差萬別，所以有些路上的交通標(biāo)志排列可能會非常緊密，某些道路會同時出現(xiàn)幾個標(biāo)志，此外也會出現(xiàn)一個牌子上出現(xiàn)多個信息的情況，這無疑增加了交通標(biāo)志檢測的難度。示例見圖1.3（f）。目前對于交通標(biāo)志的檢測相關(guān)課題的研究非常有限，其數(shù)據(jù)集的辨識于最近幾年才被大眾了解，關(guān)于開源數(shù)據(jù)也相當(dāng)稀缺。當(dāng)前研究人員根據(jù)實(shí)際情況自建數(shù)據(jù)庫的情況非常普遍，但這造成了這些算法難以推廣，普適性較差。現(xiàn)階段已有的數(shù)據(jù)集中德國交通標(biāo)志檢測數(shù)據(jù)庫（GermantrafficsignDetectionbenchmark，GTSDB）[41]在國際上是接受度比較高的。還有一些被公開數(shù)據(jù)集包括意大利數(shù)據(jù)集DITS[42]（DatasetofItalianTrafficSigns）、美國LISA[43]數(shù)據(jù)集、BelgiumTS[44]。當(dāng)前在國內(nèi)也存在一些交通標(biāo)志研究領(lǐng)域的開源數(shù)據(jù)集，其主要包含有CTSD[45]（ChineseTrafficSignDataset）、Tsinghua-Tencent100K[46]（以下簡稱：TT100K）。大量學(xué)者都在自己獨(dú)立建立的數(shù)據(jù)集基礎(chǔ)上進(jìn)行研究，這種普遍性的做法造成了一種相對閉塞的局面，對于目前存在的一些算法的好壞（收斂性、速度等）很難給出公正的評價，所以最優(yōu)算法的獲取就無從下手。訓(xùn)練樣本數(shù)量的多少是影響CNN訓(xùn)練情況的重要因素，訓(xùn)練質(zhì)量的高低取決于樣本數(shù)量的大小，所以交通標(biāo)志檢測的研究與數(shù)據(jù)集聯(lián)系相當(dāng)密切[47]。除了要求達(dá)到較高的檢測精度外，交通標(biāo)志檢測還非?？焖俚亟o出檢測結(jié)果，因?yàn)闄z測很多情況下都是在高速運(yùn)行的汽車上完成的。這樣才能給司機(jī)提供